算法8.从暴力递归到动态规划1

这篇具有很好参考价值的文章主要介绍了算法8.从暴力递归到动态规划1。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

算法|8.从暴力递归到动态规划1

目前感觉,背包问题和货币数组问题本质相同,货币的与dp相关的三种代码写完了,快复习不完了,背包暂时先不写了,回头再写,补充,再总结,结合那个C++大神的文章再弄。

背包类问题

目前来讲,我接触到的背包问题有四种分别是01背包、完全背包、多重背包、以及部分背包。背包问题都属于NP问题(非直接求解问题),前三种一般使用动态规划进行求解,后一种一般使用贪心求解。

01背包

题意:给定两个长度都为N的数组weights和values,weights[i]和values[i]分别代表 i号物品的重量和价值。给定一个正数bag,表示一个载重bag的袋子,装的物品不能超过这个重量。返回能装下的最大价值

解题思路:

  • 先写出递归版本,然后对照着改dp。
  • 要与不要。结果越大越好,是正向决策,同时使用的累加。
  • 参数设置:重量数组w、价值数组v、当前决策到的坐标index、背包剩余的空间rest
  • 可变参数为index和rest,所以dp表是一张二维表。

核心代码:

递归代码:

public static int maxValue(int[] w, int[] v, int bag) {
    if(w==null||v==null||w.length!=v.length||w.length==0){
        return 0;
    }
    return process(w,v,0,bag);
}

public static int process(int[] w, int[] v, int index, int rest) {
    if(rest<0){
        return -1;
    }
    if(index==w.length){
        return 0;
    }
    int p1=process(w,v,index+1,rest);
    int p2=0;
    int next=process(w,v,index+1,rest-w[index]);
    if(next!=-1){
        p2=v[index]+next;
    }
    return Math.max(p1,p2);
}

dp代码:

public static int dp(int[] w, int[] v, int bag) {
    if (w == null || v == null || w.length != v.length || w.length == 0) {
        return 0;
    }
    int N=w.length;
    int[][] dp=new int[N+1][bag+1];
    for (int index = N-1; index >=0 ; index--) {
        for (int rest = 0; rest <=bag ; rest++) {
            int p1=dp[index+1][rest];
            int p2=0;
            int next=rest-w[index]<0?-1:dp[index+1][rest-w[index]];
            if(next!=-1){
                p2=v[index]+next;
            }
            dp[index][rest]=Math.max(p1,p2);
        }
    }
    return dp[0][bag];
}

测试代码:

public static void main(String[] args) {
    int[] weights = { 3, 2, 4, 7, 3, 1, 7 };
    int[] values = { 5, 6, 3, 19, 12, 4, 2 };
    int bag = 15;
    System.out.println(maxValue(weights, values, bag));
    System.out.println(dp(weights, values, bag));
}

测试结果:算法8.从暴力递归到动态规划1

完全背包

题意:有 N种物品和一个容量为C的背包,每种物品都有无限件。第 i件物品的体积是 v[i],价值是w[i] .求解将哪些物品装入背包可使这些物品的重量总和不超过背包容量,且价值总和最大。

解题思路:

核心代码:

测试代码:

测试结果:

多重背包

题意:有 N种物品和一个容量为C的背包,数量为s[i]。第 i件物品的体积是 v[i],价值是w[i] .求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大。

解题思路:

核心代码:

测试代码:

测试结果:

货币类问题

组成aim的方法数(每张认为是一种)

题意:arr是货币数组,其中的值都是正数。再给定一个正数aim。
每个值都认为是一张货币,即便是值相同的货币也认为每一张都是不同的,
返回组成aim的方法数。例如:arr = {1,1,1},aim = 2。
第0个和第1个能组成2,第1个和第2个能组成2,第0个和第2个能组成2
一共就3种方法,所以返回3

解题思路:

  • 这一题其实和01背包问题很像,只是这个是要求正好组成aim,01背包则是不超过的方法数
  • 所以这里我们只需要在aim=0时返回1,总金额超过了|根本就组不成(钱不够)就返回0
  • 注意:改写过程中三目操作符建议加上括号(血淋淋的教训…)// dp[index][rest] = dp[index + 1][rest] + (rest - arr[index]) < 0 ? 0 : dp[index + 1][rest - arr[index]];

核心代码:

暴力递归:

public static int coinWays(int[] arr, int aim) {
    return process(arr, 0, aim);
}

public static int process(int[] arr, int index, int rest) {
    if (rest < 0) {
        return 0;
    }
    if (index == arr.length) {
        return rest == 0 ? 1 : 0;
    }
    return process(arr, index + 1, rest - arr[index])
            + process(arr, index + 1, rest);
}

dp:

    public static int dp(int[] arr, int aim) {
        if (aim == 0) {
            return 1;
        }
        int N = arr.length;
        int[][] dp = new int[N + 1][aim + 1];
        dp[N][0] = 1;
        for (int index = N - 1; index >= 0; index--) {
            for (int rest = 0; rest <= aim; rest++) {
//                dp[index][rest] = dp[index + 1][rest] + (rest - arr[index]) < 0 ? 0 : dp[index + 1][rest - arr[index]];
                dp[index][rest] = dp[index + 1][rest] + (rest - arr[index] >= 0 ? dp[index + 1][rest - arr[index]] : 0);
            }
        }
        return dp[0][aim];
    }

测试代码:

测试结果:算法8.从暴力递归到动态规划1

组成aim的方法数(每种张数无限)

题意:arr是面值数组,其中的值都是正数且没有重复。再给定一个正数aim。
每个值都认为是一种面值,且认为张数是无限的。返回组成aim的方法数
例如:arr = {1,2},aim = 4 方法如下:1+1+1+1、1+1+2、2+2
一共就3种方法,所以返回3。

解题思路:

  • 大体思路和上边相同,只不过子过程需要对要用多少张数进行遍历
  • 张数遍历时循环条件为zhang * arr[index] <= rest,对应的dp改写中也需要遍历(如果不优化的,优化之后再说,这里应该是可以进行斜率优化)

核心代码:

递归:

public static int coinsWay(int[] arr, int aim) {
    if (arr == null || arr.length == 0 || aim < 0) {
        return 0;
    }
    return process(arr, 0, aim);
}

public static int process(int[] arr, int index, int rest) {
    if(rest<0){
        return 0;
    }
    if(index==arr.length){
        return rest==0?1:0;
    }
    int ways=0;
    for (int zhang = 0; zhang*arr[index] < rest ; zhang++) {
        ways+=process(arr,index+1,rest-zhang*arr[index]);
    }
    return ways;
}

dp:

public static int dp(int[] arr, int aim) {
    if (arr == null || arr.length == 0 || aim < 0) {
        return 0;
    }
    int N = arr.length;
    int[][] dp = new int[N + 1][aim + 1];
    dp[N][0] = 1;
    for (int index = N - 1; index >= 0; index--) {
        for (int rest = 0; rest <= aim; rest++) {
            int ways=0;
            for (int zhang = 0; zhang*arr[index] < rest ; zhang++) {
                ways+=(rest-zhang*arr[index]<0)? 0: dp[index+1][rest-zhang*arr[index]];
            }
            dp[index][rest]=ways;
        }
    }
    return dp[0][aim];
}

测试代码:

测试结果:算法8.从暴力递归到动态规划1

组成aim的方法数(每种张数有限)

题意:arr是货币数组,其中的值都是正数。再给定一个正数aim。每个值都认为是一张货币,认为值相同的货币没有任何不同,返回组成aim的方法数

例如:arr = {1,2,1,1,2,1,2},aim = 4方法:1+1+1+1、1+1+2、2+2
一共就3种方法,所以返回3

解题思路:

  • 本题思路与上题类似,只是张数变成有限的了,对应的遍历张数的条件多了一个
  • 另外,本题不是给两个数组一个张数组和值数组,所以我们还需要对数据进行预处理,封装,并进行数据统计,并提供对应方法让外部调用。
  • 封装构造方法初始化大小确定(我们给的);getInfo是我们进行的词频统计,根据arr,涉及到containKey,put等方法

核心代码:

递归代码:

public static class Info {
    private int[] coins;
    private int[] zhangs;

    public Info(int[] coins, int[] zhangs) {
        this.coins = coins;
        this.zhangs = zhangs;
    }
}

public static Info getInfo(int[] arr) {
    HashMap<Integer, Integer> map = new HashMap<>();
    for (int num : arr) {
        if (map.containsKey(num)) {
            map.put(num, map.get(num) + 1);
        } else {
            map.put(num, 1);
        }
    }
    int N = map.size();
    int[] coins = new int[N];
    int[] zhangs = new int[N];
    int index = 0;
    for (Map.Entry<Integer, Integer> entry : map.entrySet()) {
        coins[index] = entry.getKey();
        zhangs[index] = entry.getValue();
    }
    Info info = new Info(coins, zhangs);
    return info;
}


public static int coinsWay(int[] arr, int aim) {
    if (arr == null || arr.length == 0 || aim < 0) {
        return 0;
    }
    Info info = getInfo(arr);
    return process(info.coins, info.zhangs, 0, aim);
}

public static int process(int[] coins, int[] zhangs, int index, int rest) {
    if (rest < 0) {
        return 0;
    }
    if (index == coins.length) {
        return rest == 0 ? 1 : 0;
    }
    int ways = 0;
    for (int zhang = 0; zhang < zhangs.length && (zhang * coins[index] < rest); zhang++) {
        ways += process(coins, zhangs, index + 1, rest - zhang * coins[index]);
    }
    return ways;
}

dp代码:

public static int dp(int[] arr, int aim) {
    if (arr == null || arr.length == 0 || aim < 0) {
        return 0;
    }
    Info info = getInfo(arr);
    int[] coins = info.coins;
    int[] zhangs = info.zhangs;
    int N = coins.length;
    int[][] dp = new int[N + 1][aim + 1];
    dp[N][0] = 1;
    for (int index = N - 1; index >= 0; index--) {
        for (int rest = 0; rest <= aim; rest++) {
            int ways = 0;
            for (int zhang = 0; zhang < zhangs.length && (zhang * coins[index] < rest); zhang++) {
                ways += (rest - zhang * coins[index] < 0) ? 0 : dp[index + 1][rest - zhang * coins[index]];
            }
            dp[index][rest] = ways;
        }
    }
    return dp[0][aim];
}

测试代码:略

测试结果:算法8.从暴力递归到动态规划1

组成aim的最小货币数(每张张数无限)

题意:arr是面值数组,其中的值都是正数且没有重复。再给定一个正数aim。
每个值都认为是一种面值,且认为张数是无限的。返回组成aim的最少货币数。

解题思路:

  • 还是需要对张数进行遍历,只不过只有一个条件
  • 接受结果值设为整数最大值,最终结果返回较小值
  • 另外另外,边界条件不满足条件的值需要修改成最大值,不难咱们得犯大难了,遭老罪了!要不然你计算的时候把没有组成aim的,但是张数更少的算里边了,肯定错啊;rest==0时,不需要货币,即使满足也不需要了,所以记得改成0算法8.从暴力递归到动态规划1

补充:

  • 这里其实可以对数组按照货币值进行预处理/排序(使用迭代给sort传比较器//优先级队列)
  • 面值数组,不需要预处理,只需要用于降序排列的比较器

核心代码:

递归代码:

public static int minCoins(int[] arr, int aim) {
    if(aim==0){
        return 0;
    }
    if (arr == null || arr.length == 0 || aim < 0) {
        return Integer.MAX_VALUE;
    }
    return process(arr, 0, aim);
}

public static int process(int[] arr, int index, int rest) {
    if (rest < 0) {
        return Integer.MAX_VALUE;
    }
    if (index == arr.length) {
        return rest == 0 ? 0 : Integer.MAX_VALUE;
    }
    int ans = Integer.MAX_VALUE;
    for (int zhang = 0; zhang * arr[index] < rest; zhang++) {
        int next = process(arr, index + 1, rest - zhang * arr[index]);
        if (next != Integer.MAX_VALUE && next > 0) {//要不然最大值加最大值可能滚成负数
            ans = Math.min(next, ans);
        }
    }
    return ans;
}

dp代码:

public static int dp(int[] arr, int aim) {
    if (aim == 0) {
        return 0;
    }
    int N = arr.length;
    int[][] dp = new int[N + 1][aim + 1];
    dp[N][0] = 0;
    for (int j = 1; j <= aim; j++) {
        dp[N][j] = Integer.MAX_VALUE;
    }
    for (int index = N - 1; index >= 0; index--) {
        for (int rest = 0; rest <= aim; rest++) {
            int ans = Integer.MAX_VALUE;
            for (int zhang = 0; zhang * arr[index] < rest; zhang++) {
                int next = (rest - zhang * arr[index] < 0) ? Integer.MAX_VALUE : dp[index + 1][rest - zhang * arr[index]];
                if (next != Integer.MAX_VALUE && next > 0) {//要不然最大值加最大值可能滚成负数
                    ans = Math.min(next, ans);
                }
            }
            dp[index][rest]=ans;
        }
    }
    return dp[0][aim];
}

测试代码:略

测试结果:算法8.从暴力递归到动态规划1

从左到右尝试模型总结1

改写规则:

  • 确定可变参数个数——dp是几维表
  • 确定可变参数的变化范围——是0N还是0N-1
  • 预处理(边界条件)
  • 确定普遍位置怎么确定
  • 边界判断——使用三目时一定要注意加括号😥
  • 四个角中的哪个是最终结果

例题总结:

  • 01背包——边界判断:超重是-1,没装够/刚好是0;要和不要的两种情况pk,要较小值
  • 完全背包
  • 多重背包
  • 组成aim的方法数(每张认为是一种)——边界判断:超支/不够都是0,aim=0时index<=arr.length都算是1;两种情况不需要pk,直接相加返回
  • 组成aim的方法数(每种张数无限)——边界判断:超支/不够都是0,aim=0时index<=arr.length都算是1;不是两种情况了,对有效的张数(一个条件)进行遍历,总方法相加
  • 组成aim的方法数(每种张数有限)——边界判断:超支/不够都是0,aim=0时index<=arr.length都算是1;不是两种情况了,对有效的张数(两个条件)进行遍历,总方法相加
  • 组成aim的最小货币数(每张张数无限)——边界条件判断:初值都为最大值,除了aim=0时,递归那aim=0一定在非法条件的前边,next值有效的判断;两种情况pk,要最小的

三种dp解法背包问题区别:

前三种dp解法货币数组区别:

注:这里返回的都是方法数,肯定是越多越好,不涉及边界值返回的系列问题。

  1. 货币数组类型决定了是否需要张数遍历(面值 不用)
  2. 张数有限无限决定了张数遍历的条件是1个还是两个
  3. 一般都是index倒序,rest正序

注:区分面值数组、货币数组

前者是天然去重,后者可能存在相同的,看题目设定决定是否需要进行预处理

另本类型开头的那种,其实也算是面值数组了。文章来源地址https://www.toymoban.com/news/detail-472179.html

两种情况了,对有效的张数(一个条件)进行遍历,总方法相加

  • 组成aim的方法数(每种张数有限)——边界判断:超支/不够都是0,aim=0时index<=arr.length都算是1;不是两种情况了,对有效的张数(两个条件)进行遍历,总方法相加
  • 组成aim的最小货币数(每张张数无限)——边界条件判断:初值都为最大值,除了aim=0时,递归那aim=0一定在非法条件的前边,next值有效的判断;两种情况pk,要最小的

三种dp解法背包问题区别:

前三种dp解法货币数组区别:

注:这里返回的都是方法数,肯定是越多越好,不涉及边界值返回的系列问题。

  1. 货币数组类型决定了是否需要张数遍历(面值 不用)
  2. 张数有限无限决定了张数遍历的条件是1个还是两个
  3. 一般都是index倒序,rest正序

注:区分面值数组、货币数组

前者是天然去重,后者可能存在相同的,看题目设定决定是否需要进行预处理

另本类型开头的那种,其实也算是面值数组了。

到了这里,关于算法8.从暴力递归到动态规划1的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 暴力递归到动态规划(三)

    ⭐️ 前言 ⭐️ 本篇文章是从暴力递归到动态规划的第三章。 🍉 欢迎点赞 👍 收藏 ⭐ 留言评论 📝 私信必回哟 😁 🍉 博主将持续更新学习记录收获,友友们有任何问题可以在评论区留言 🍉 博客中涉及源码及博主日常练习代码均已上传GitHub 题目: 给定一个二维数组mat

    2024年02月09日
    浏览(38)
  • 暴力递归到动态规划(四)

    ⭐️ 前言 ⭐️ 本篇文章是从暴力递归到动态规划篇目的最后一篇文章,包含了几道题目还有最终的大总结,相信这篇文章能让各位读者对动态规划有更深一步的了解。 🍉 欢迎点赞 👍 收藏 ⭐ 留言评论 📝 私信必回哟 😁 🍉 博主将持续更新学习记录收获,友友们有任何问

    2024年02月08日
    浏览(42)
  • 左程云 Java 笔记--暴力递归--动态规划

    暴力递归就是尝试 1,把问题转化为规模缩小了的同类问题的子问题 2,有明确的不需要继续进行递归的条件(base case) 3,有当得到了子问题的结果之后的决策过程, 4,不记录每一个子问题的解 打印n层汉诺塔从最左边移动到最右边的全部过程 打印一个字符串的全部子序列,包

    2023年04月08日
    浏览(48)
  • 一篇文章带你搞懂动态规划(由暴力递归到动态规划)

    ”动态规划“ 的过程相当于 记忆化搜索 , 即在普通 递归 的过程中用二维数组进行记忆化存储一些状态结果, 从而避免重复的计算(剪枝)。 举一个简单的例子:在 递归法 求解 斐波那契 数列的过程中, 就进行了多次的 重复计算 , 而动态规划相当于是对已经计算的状态

    2024年02月20日
    浏览(54)
  • 题解 | #上台阶#C++暴力动态规划解法,非递归

    25届想找实习求看看简历 英伟达笔试 Nvidia24秋招 英伟达嵌入式软件工程师笔试 9-26 2022-08-17-nvidia实习 我发现算法岗也不很难进啊(深度学习) 我发现算法岗也不很难进啊(深度学习) 顺丰科技 1.30校招实习招聘信息汇总 2024春招汇总 『 哨哥的校园招聘周报 』02/05 - 02/18 深圳银河创

    2024年02月21日
    浏览(37)
  • 爬楼梯问题-从暴力递归到动态规划(java)

    一个总共N 阶的楼梯(N 0) 每次只能上一阶或者两阶。问总共有多少种爬楼方式。 示例1: N = 1, 一步上去了,返回1. 示例2: N = 2时。 可以第一次上一阶,再上一阶,这是一种方式, 也可以一次直接上两阶,这也是一种方式, 返回 2; 示例3: N = 3: 可以选择, 1 1 1, 1

    2024年02月10日
    浏览(36)
  • 【LeetCode:72. 编辑距离 | 暴力递归=>记忆化搜索=>动态规划 】

    🚀 算法题 🚀 🌲 算法刷题专栏 | 面试必备算法 | 面试高频算法 🍀 🌲 越难的东西,越要努力坚持,因为它具有很高的价值,算法就是这样✨ 🌲 作者简介:硕风和炜,CSDN-Java领域新星创作者🏆,保研|国家奖学金|高中学习JAVA|大学完善JAVA开发技术栈|面试刷题|面经八股文

    2024年02月06日
    浏览(51)
  • 【LeetCode:64. 最小路径和 | 暴力递归=>记忆化搜索=>动态规划 】

    🚀 算法题 🚀 🌲 算法刷题专栏 | 面试必备算法 | 面试高频算法 🍀 🌲 越难的东西,越要努力坚持,因为它具有很高的价值,算法就是这样✨ 🌲 作者简介:硕风和炜,CSDN-Java领域新星创作者🏆,保研|国家奖学金|高中学习JAVA|大学完善JAVA开发技术栈|面试刷题|面经八股文

    2024年02月05日
    浏览(44)
  • 零钱兑换,凑零钱问题,从暴力递归到动态规划(java)

    322 零钱兑换 - 可以打开链接测试 给你一个整数数组 coins ,表示不同面额的硬币;以及一个整数 amount ,表示总金额。 计算并返回可以凑成总金额所需的 最少的硬币个数 。如果没有任何一种硬币组合能组成总金额,返回 -1 。 你可以认为每种硬币的数量是无限的。 示例 1:

    2024年02月07日
    浏览(37)
  • 【LeetCode: 44. 通配符匹配 | 暴力递归=>记忆化搜索=>动态规划 】

    🚀 算法题 🚀 🌲 算法刷题专栏 | 面试必备算法 | 面试高频算法 🍀 🌲 越难的东西,越要努力坚持,因为它具有很高的价值,算法就是这样✨ 🌲 作者简介:硕风和炜,CSDN-Java领域优质创作者🏆,保研|国家奖学金|高中学习JAVA|大学完善JAVA开发技术栈|面试刷题|面经八股文

    2024年02月06日
    浏览(72)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包