快来看看萌新小白学习动态规划、深度优先搜索、贪心

这篇具有很好参考价值的文章主要介绍了快来看看萌新小白学习动态规划、深度优先搜索、贪心。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。


前言

由于比赛临近,老师给我们布置了一些LeetCode算法题目,但是我在学完Hello算法的数据结构部分之后,就跑去学习算法第四版了。被一些安全比赛耽误,算法的学习进度比较慢,通过这篇文章就可以体现出我的技术还是比较菜的,还望谅解,哈哈。


一、反转链表

LeetCode题目#206 反转链表

这是老师布置的第一道题,我发现独立完成这题的提升比之前所有的提升还大,学习还得是实战。

快来看看萌新小白学习动态规划、深度优先搜索、贪心,算法,学习,动态规划,深度优先

根据题目描述和一些提示,可以使用循环或递归遍历链表,一开始我不甘示弱只使用递归,想递到链尾创建节点再归,做不出来,换了一种思路。

我选择使用链表实现的栈来解决这道题,根据栈的先进后出性质,当链表的所有节点的值进入栈中时,栈顶值也就是反转前的链尾值,然后直接返回栈顶节点即可。

快来看看萌新小白学习动态规划、深度优先搜索、贪心,算法,学习,动态规划,深度优先
下面是入栈核心代码,当栈顶为空时创建一个栈顶节点,oldfirst保存旧栈顶节点,新建一个栈顶节点,next指向旧栈顶。

public void add(int v)
{
    if (first == null)
    {
        first = new ListNode(v);

    }else {
        ListNode oldfirst = first;
        first = new ListNode();
        first.val = v;
        first.next = oldfirst;
    }
}

下面是主要逻辑,循环遍历链表的值,添加到栈中,返回栈顶。

Stack q = new Stack();

public ListNode reverseList(ListNode head) {
    if (head == null) return null;
    while (head != null)
    {
        q.add(head.val);
        head = head.next;
    }
    return q.get();
}

下面是全部代码:

class Solution {
    public class Stack
    {
        ListNode first;

        public void add(int v)
        {
            if (first == null)
            {
                first = new ListNode(v);

            }else {
                ListNode oldfirst = first;
                first = new ListNode();
                first.val = v;
                first.next = oldfirst;
            }
        }

        public ListNode get()
        {
            return first;
        }
    }

    Stack q = new Stack();

    public ListNode reverseList(ListNode head) {
        if (head == null) return null;
        while (head != null)
        {
            q.add(head.val);
            head = head.next;
        }
        return q.get();
    }
}

二、杨辉三角

LeetCode题目#118 杨辉三角

在做这题的时候,还没学过动态规划,所以使用的是队列解法。
快来看看萌新小白学习动态规划、深度优先搜索、贪心,算法,学习,动态规划,深度优先
我们将上一行的所有数入队,下一行的第一个数我们初始化为1,从第二个数开始等于上面两个数的和。

下面是全部代码,n是我们要返回的列表,queue是队列,外循环的i表示行列表索引,内循环的j表示第i行的数的索引,当i大于0也就是第二行的时候,将上一行入队,列表m每次循环都会new成新的列表,因为当时内循环出错,我将j等于1独立出来了,不知道这会不会有点多余。

class Solution {
    public List<List<Integer>> generate(int numRows) {
        List<List<Integer>> n = new LinkedList<>();
        Queue<Integer> queue = new LinkedList<>();
        for (int i = 0; i < numRows; i++)
        {
            if(i > 0)
                for(Integer num : n.get(i-1))
                    queue.offer(num);
            List<Integer> m = new LinkedList<>();
            m.add(1);
            Integer tmp = null;
            for (int j = 1; j < i+1; j++)
            {
                if (j == 1)
                {
                    Integer x = queue.poll();
                    if( x == null) x = 0;
                    Integer y = queue.poll();
                    if( y == null ) y = 0;
                    m.add(x+y);
                    tmp = y;

                }else {
                    Integer x = tmp;
                    Integer y = queue.poll();
                    if( y == null ) y = 0;
                    m.add(x+y);
                    tmp = y;
                }
            }
            n.add(m);
        }
        return n;
    }
}

三、爬楼梯

LeetCode题目#70 爬楼梯

这是改变命运的一题,一开始我使用暴力解法,发现最多只能计算到40阶,最后只能跑去hello算法学动态规划了,学成归来,发现这题挺简单的。
快来看看萌新小白学习动态规划、深度优先搜索、贪心,算法,学习,动态规划,深度优先

1111
211
121
112

发现一个2可以取代两个1,2可以在1号位、2号位、3号位,也就是数学题,从3个不同的球之中拿1个,有多少种组合。

来个循环,外面定义1的数量,2的数量,里面每次循环1数量-2,2数量+1,然后 ans=ans+C(1数量+2数量,2数量),当然1数量小于2数量时,ans=ans+C(1数量+2数量,1数量),但是阶乘到后面会非常非常大,也是失败了好吧。

我理解的动态规划:问题可以从前往后推,有初始状态。小的问题会决定大的问题,也就是状态转移。重点是在问题中找出规律,合理设计dp表和状态转移方程。

我是在Hello算法学动态规划才知道他的规律的,尴尬了,到n-1阶加上到n-2阶的方式就等于到n阶的方式,这就是状态转移。

下面是Hello算法中dp解法的代码,一开始看dp的理论还是有点懵的,看了代码之后思路就清晰了。

/* 爬楼梯:动态规划 */
int climbingStairsDP(int n) {
    if (n == 1 || n == 2)
        return n;
    // 初始化 dp 表,用于存储子问题的解
    int[] dp = new int[n + 1];
    // 初始状态:预设最小子问题的解
    dp[1] = 1;
    dp[2] = 2;
    // 状态转移:从较小子问题逐步求解较大子问题
    for (int i = 3; i <= n; i++) {
        dp[i] = dp[i - 1] + dp[i - 2];
    }
    return dp[n];
}

四、杨辉三角 II

LeetCode题目#119 杨辉三角 II

好吧,别怪我太水,把第一代杨辉三角代码的循环条件和返回值改一下即可,因为第一代的参数是从1开始的,第二代的参数是从0开始的。
快来看看萌新小白学习动态规划、深度优先搜索、贪心,算法,学习,动态规划,深度优先

下面是第二代的代码

class Solution {
    public List<Integer> getRow(int rowIndex) {
        List<List<Integer>> n = new ArrayList<>();
        Queue<Integer> queue = new LinkedList<>();
        for (int i = 0; i < rowIndex+1; i++)
        {
            if(i > 0)
                for(Integer num : n.get(i-1))
                    queue.offer(num);
            List<Integer> m = new ArrayList<>();
            m.add(1);
            Integer tmp = null;
            for (int j = 1; j < i+1; j++)
            {
                if (j == 1)
                {
                    Integer x = queue.poll();
                    if( x == null) x = 0;
                    Integer y = queue.poll();
                    if( y == null ) y = 0;
                    m.add(x+y);
                    tmp = y;

                }else {
                    Integer x = tmp;
                    Integer y = queue.poll();
                    if( y == null ) y = 0;
                    m.add(x+y);
                    tmp = y;
                }
            }
            n.add(m);
        }
        return n.get(rowIndex);
    }
}

五、斐波那契数

LeetCode题目#509 斐波那契数

快来看看萌新小白学习动态规划、深度优先搜索、贪心,算法,学习,动态规划,深度优先

动态规划解法
初始状态:

dp[0] = 0;
dp[1] = 1;

状态转移:

dp[i] = dp[i-1] + dp[i-2];

下面是全部代码,当然也是可以优化一下空间的,为了方便理解就不整这个了:

class Solution {
    public int fib(int n) {
        if (n == 0 || n == 1) return n;
        int[] dp = new int[n+1];
        dp[0] = 0;
        dp[1] = 1;
        for (int i = 2; i < n+1; i++)
        {
            dp[i] = dp[i-1] + dp[i-2];
        }
        return dp[n];

    }
}

六、最长相邻不相等子序列 I

LeetCode题目#2900 最长相邻不相等子序列 I

题目话太多了,估计是给第二代铺垫。
快来看看萌新小白学习动态规划、深度优先搜索、贪心,算法,学习,动态规划,深度优先
主打一个不相等,我们先在循环外面使用一个变量记录groups数组的第一个元素,循环里面的i表示索引,判断当groups数组中有和上一个记录的groups元素不一样时,把words的索引i元素add进列表,刷新记录为groups的索引i元素。

下面是全部代码:

class Solution {
    public List<String> getLongestSubsequence(String[] words, int[] groups) {
        List<String> seq = new ArrayList<>();
        seq.add(words[0]);
        if (words.length == 1) return seq;

        int f = groups[0];

        for (int i = 1; i < groups.length; i++)
        {
            if (groups[i] != f)
            {
                seq.add(words[i]);
                f = groups[i];
            }

        }
        return seq;
    }
}

七、比特位计数

LeetCode题目#338 比特位计数

快来看看萌新小白学习动态规划、深度优先搜索、贪心,算法,学习,动态规划,深度优先

0 1 10 11 100 101 110 111 1000 1001 1010 1011 1100 1101 1110 1111 10000
可以看到2、4、8、16二进制的1的数量是1个,而前面的最高位数刚好是他们的0的个数。
将他们的索引记录下来,ret = i,后面的就是ans[i]=ans[i-ret] + 1。

下面是全部代码:

class Solution {
    public int[] countBits(int n) {
        if (n == 0) return new int[]{0};
        if (n == 1) return new int[]{0,1};
        int[] dp = new int[n+1];
        dp[0] = 0;
        dp[1] = 1;
        int ret = 0;
        for (int i = 2; i <= n; i++)
        {
            if (i%2 == 0 && dp[i/2] == 1)
            {
                dp[i] = 1;
                ret = i;
            }else {
                dp[i] = dp[i - ret] + 1;
            }

        }
        return dp;
    }
}

八、括号生成

LeetCode题目#22 括号生成

快来看看萌新小白学习动态规划、深度优先搜索、贪心,算法,学习,动态规划,深度优先

n = 4

( ( ( ( ) ) ) ) 前面4(

( ( ( ) ( ) ) ) 前面3(

( ( ( ) ) ( ) )

( ( ( ) ) ) ( )

( ( ) ( ( ) ) ) 前面2(
( ( ) ( ) ( ) )
( ( ) ( ) ) ( )
( ( ) ) ( ( ) )
( ( ) ) ( ) ( )

( ) ( ( ( ) ) ) 前面1(
( ) ( ( ) ( ) )
( ) ( ( ) ) ( )
( ) ( ) ( ( ) )
( ) ( ) ( ) ( )

n = 4

dp[]数组记录\(的位置

结束,最终的结果
[0,2,4,6]

开始
[0,1,2,3]
[0,1,2,4]
[0,1,2,5]
[0,1,2,6]
[0,1,3,4]
[0,1,3,5]
[0,1,3,6]
[0,1,4,5]
[0,1,4,6]
[0,2,3,4]
。。。
思路:初始状态前面n个\(,后面n个\),状态转移,x从1开始,dp[n-x]循环加1,倒数第x个数不能大于2n-2x,如果等于2n-2x时,x+1

下面是根据数组记录的位置生成括号组合的代码,i是遍历输出字符串,x是记录的索引:

String str = new String();
int x = 0;
for (int i = 0; i < n*2; i++)
{
    if (x < n && i == dp[x])
    {
        str = str + "(";
        x = x + 1;
    }else {
        str = str + ")";
    }
}
raw.add(str);

下面是生成括号位置记录的代码,ret的作用:倒数第ret个记录,里面还有个for循环作用是将倒数第ret个记录后面的记录等于前面的加1。当ret等于n时结束,返回结果:

int ret = 1;
while (true)
{
    if (dp[n - ret] != 2 * n - 2 * ret) 
    {
        dp[n - ret] = dp[n - ret] + 1;
        for (int j = ret-1; j > 0; j-- )
        {
            dp[n-j] = dp[n-j-1] + 1;
        }

        break;

    }else if(ret == n)
    {
        return raw;
    }
    
    ret = ret + 1;
}

下面是全部代码,好吧,模块化编程的代码量的确是有点多,把自己尬住了:

class Solution {
    public List<String> generateParenthesis(int n) {
        List<String> raw = new ArrayList<>();
        if (n == 1)
        {
            raw.add("()");
            return raw;
        }

        int[] dp = new int[n];
        for (int i = 0; i < n; i++)
        {
            dp[i] = i;
        }

        while(true)
        {
            
            String str = new String();
            int x = 0;
            for (int i = 0; i < n*2; i++)
            {
                if (x < n && i == dp[x])
                {
                    str = str + "(";
                    x = x + 1;
                }else {
                    str = str + ")";
                }
            }
            raw.add(str);
            
            int ret = 1;
            while (true)
            {
                if (dp[n - ret] != 2 * n - 2 * ret) {
                    dp[n - ret] = dp[n - ret] + 1;
                    for (int j = ret-1; j > 0; j-- )
                    {
                        dp[n-j] = dp[n-j-1] + 1;
                    }
                    break;
                }else if(ret == n)
                {
                    return raw;
                }
                ret = ret + 1;
            }


        }
    }
}

九、最小路径和

LeetCode题目#64 最小路径和

快来看看萌新小白学习动态规划、深度优先搜索、贪心,算法,学习,动态规划,深度优先
我们记录每一个位置的最小总和

初始状态

int[][] dp = new int[row][col];
dp[0][0] = grid[0][0];

状态转移

if (i==0&&j==0) continue;
else if (i==0) dp[i][j] = dp[i][j-1] + grid[i][j];
else if (j==0) dp[i][j] = dp[i-1][j] + grid[i][j];
else dp[i][j] = min(dp[i-1][j],dp[i][j-1]) + grid[i][j];

下面是全部代码:

import static java.lang.Math.min;
class Solution {
    public int minPathSum(int[][] grid) {
        int row = grid.length;
        int col = grid[0].length;
        if (row == 1 && col == 1) return grid[0][0];
        int[][] dp = new int[row][col];
        dp[0][0] = grid[0][0];
        for (int i = 0; i < row; i++)
        {
            for (int j = 0; j < col; j++)
            {
                if (i==0&&j==0) continue;
                else if (i==0) dp[i][j] = dp[i][j-1] + grid[i][j];
                else if (j==0) dp[i][j] = dp[i-1][j] + grid[i][j];
                else dp[i][j] = min(dp[i-1][j],dp[i][j-1]) + grid[i][j];
            }
        }
        
        return dp[row-1][col-1];
    }
}

十、不同的二叉搜索树 II

LeetCode题目#95 不同的二叉搜索树 II

快来看看萌新小白学习动态规划、深度优先搜索、贪心,算法,学习,动态规划,深度优先
发现节点值为n的节点只能放在上一个1->n-1 树的根节点的右上方和所有最右节点的右子节点,由于上一个树可以延伸出很多1->n 树,所以给每一个延伸情况复制一份上一个1->n-1 树,然后计算有多少个最右非空节点,再循环插入节点

递归复制二叉树

TreeNode newroot;
public TreeNode copy(TreeNode oldnode,TreeNode newnode)
{
    if (oldnode == null)
    {
        newnode = null;
        return null;
    }
    newnode.val = oldnode.val;
    if (oldnode.left != null)
    {
        newnode.left = new TreeNode();
        copy(oldnode.left,newnode.left);
    }
    if (oldnode.right != null)
    {
        newnode.right = new TreeNode();
        copy(oldnode.right,newnode.right);
    }
    return newroot;
}

初始状态

List<TreeNode> dp = new ArrayList<>();
dp.add(new TreeNode(1));

第一次添加节点,放在右上方

TreeNode add = new TreeNode(i);
newroot = new TreeNode();
add.left = copy(oldroot,newroot);
tmp.add(add);

看看有多少个非空最右节点

newroot = new TreeNode();
int rightnum = 1;
TreeNode tmpnew = copy(oldroot,newroot);
while (tmpnew.right != null)
{
    rightnum = rightnum + 1;
    tmpnew = tmpnew.right;
}

循环添加节点,还要判断右节点是否为空,判断大小决定子树放在左边还是右边,不知道最后的if分支会不会有点多余

for (int j = 1; j <= rightnum; j++)
{
    add = new TreeNode(i);
    newroot = new TreeNode();
    newroot = copy(oldroot,newroot);
    TreeNode cur = newroot, pre = null;
    for (int x = 1; x <= j; x++)
    {
        pre = cur;
        cur = cur.right;
    }
    if (cur == null)
    {
        pre.right = add;
    }else if (cur.val < i){
        pre.right = add;
        add.left = cur;
    }else {
        pre.right = add;
        add.right = cur;
    }
    tmp.add(newroot);
}

下面是所有代码,尴尬了,做完这题之后,我决定去学习一下深度优先搜索

class Solution {
    TreeNode newroot;

    public TreeNode copy(TreeNode oldnode,TreeNode newnode)
    {
        if (oldnode == null)
        {
            newnode = null;
            return null;
        }
        newnode.val = oldnode.val;
        if (oldnode.left != null)
        {
            newnode.left = new TreeNode();
            copy(oldnode.left,newnode.left);
        }
        if (oldnode.right != null)
        {
            newnode.right = new TreeNode();
            copy(oldnode.right,newnode.right);
        }
        return newroot;
    }



    public List<TreeNode> generateTrees(int n) {
        List<TreeNode> dp = new ArrayList<>();
        dp.add(new TreeNode(1));
        if (n==1)
        {
            return dp;
        }
        for (int i = 2; i <= n; i++)
        {
            List<TreeNode> tmp = new ArrayList<>();
            for (TreeNode oldroot : dp)
            {
                TreeNode add = new TreeNode(i);
                newroot = new TreeNode();
                add.left = copy(oldroot,newroot);
                tmp.add(add);

                newroot = new TreeNode();
                int rightnum = 1;
                TreeNode tmpnew = copy(oldroot,newroot);
                while (tmpnew.right != null)
                {
                    rightnum = rightnum + 1;
                    tmpnew = tmpnew.right;
                }


                for (int j = 1; j <= rightnum; j++)
                {
                    add = new TreeNode(i);
                    newroot = new TreeNode();
                    newroot = copy(oldroot,newroot);
                    TreeNode cur = newroot, pre = null;
                    for (int x = 1; x <= j; x++)
                    {
                        pre = cur;
                        cur = cur.right;
                    }
                    if (cur == null)
                    {
                        pre.right = add;
                    }else if (cur.val < i){
                        pre.right = add;
                        add.left = cur;
                    }else {
                        pre.right = add;
                        add.right = cur;
                    }
                    tmp.add(newroot);
                }
            }
            dp = tmp;
        }

        return dp;
    }
}

十一、所有可能的真二叉树

LeetCode题目#894 所有可能的真二叉树

做完上一题之后,我专门去看了同为1ms的标准答案,使用了深度优先搜索,代码量是真的少,通过之前的一些积累和上一题的标准答案代码逻辑,这题就借鉴一下上一题的标准答案吧。

我目前理解的深度优先搜索,一般使用递归实现,因为内存的栈中各同名方法和同名局部变量相互隔离,所以可以很好地分解问题,由深及近,先解决深部根本的问题,再解决浅部表面的问题,返回条件一般反映了问题的最深状态。

快来看看萌新小白学习动态规划、深度优先搜索、贪心,算法,学习,动态规划,深度优先

n=5
1 2 3 4 5

1 (2) 3 4 5 || 1 2 3 (4) 5
n>1真二叉树的根节点只能是第偶数个
问题被分解为(1)(3 4 5)
(1)就是问题的最深状态,(3 4 5)继续分解
3 (4) 5
(3) (5)
以上就是根节点为2的问题分解情况

下面是全部代码,最外面的for循环遍历第偶数个根节点,第二层循环为分解的左子问题,第三层循环为分解的右子问题。当然这可能有一些重复操作,可以适当的剪枝,但是为了方便理解,就不整这个了。

class Solution {
    public List<TreeNode> allPossibleFBT(int n) {
        if (n % 2 == 0) return new ArrayList<>();
        return dfs(n);
    }

    public List<TreeNode> dfs(int n)
    {

        List<TreeNode> ans = new ArrayList<>();
        if (n == 1)
        {
            TreeNode dark = new TreeNode(0);
            ans.add(dark);
        }
        for (int i = 2; i < n; i+=2)
        {
            for (TreeNode x : dfs(i-1))
            {
                for (TreeNode y : dfs(n-i))
                {
                    TreeNode root = new TreeNode(0);
                    root.left = x;
                    root.right = y;
                    ans.add(root);
                }
            }
        }
        return ans;
    }
}

十二、跳跃游戏

LeetCode题目#55 跳跃游戏

终于到了贪心题,在做完这道题之前我对贪心的概念还挺模糊的,依稀记得在抖音刷视频的时候看到一个博主分享的一个"找零钱"问题,先选择面值最大的,再从剩下的选择面值最大的,难道贪心真的选最大的就可以了吗,带着这个问题,我尝试去做这道题。
快来看看萌新小白学习动态规划、深度优先搜索、贪心,算法,学习,动态规划,深度优先
当没办法跳过可用步数为0的位置时就会出现无法跳到终点的情况。我不想一个个地遍历数组,所以我选择每到一个位置直接跳可用的最大步数即可,当跳到0的时候,回头寻找可以跳过这个0的位置,直到到达终点为止。

判断当前位置是否可以跳到终点,可以的话跳出循环,返回true

int n = nums[i];
if (i+n >= nums.length-1) break;

当跳到0时

for (int j = nums[i]-1; j>=i*(-1); j--) //j表示到原地的相对位置,向前为正,原地为0,向后为负
{ //从可用步数减一开始,i*(-1)数组的第一个元素
    if (nums[i+j] > nums[i]-j) //nums[i]-j是递增的,表示必须大于它才能跳过0,找到了就说明可以跳过
    {
        i = i+j+nums[i+j];
        break;
    }else if (j == i*(-1)) return false; //直到回到第一个元素,返回false
}

下面是全部代码,这真是贪心吗,看看第二代

class Solution {
    public boolean canJump(int[] nums) {
        if (nums.length==1) return true;
        if (nums[0] == 0) return false;
        int i = 0;
        while (i<nums.length)
        {
            int n = nums[i];
            if (i+n >= nums.length-1) break; 
            if (nums[i+n] != 0 )
            {
                i = i+nums[i];
            }else {
                for (int j = nums[i]-1; j>=i*(-1); j--)
                {
                    if (nums[i+j] > nums[i]-j)
                    {
                        i = i+j+nums[i+j];
                        break;
                    }else if (j == i*(-1)) return false;
                }
            }

        }
        return true;
    }
}

十三、跳跃游戏 II

LeetCode题目#45 跳跃游戏 II

快来看看萌新小白学习动态规划、深度优先搜索、贪心,算法,学习,动态规划,深度优先
我们每次跳跃都回头寻找比当前跳跃的价值还大的位置,这样就能找到最小跳跃数了。

寻找能获得最多价值的位置

int MAXi = i+nums[i]; //记录比i的价值更大瓶.
for (int j = nums[i]-1, n = nums[i+nums[i]]+1,dev = 0; j>0; j--,n++)//j的作用和上一题相同,最小回到原地
{ //n等于原本跳跃获得的步数加1,每次往回寻找下一个,n要加1,去i+j的价值要大于n才值得
    if (nums[i+j] > n && nums[i+j]-n > dev) //dev记录了目前能获得的最大价值
    {
        dev = nums[i+j]-n;
        MAXi = i+j;
    }
}
i = MAXi;
ans++;

下面是全部代码,所以贪心要的不是最大值,而是最大的价值吗,这要去Hello算法寻找一下答案

class Solution {
    public int jump(int[] nums) {
        int ans = 0;
        if (nums.length == 1) return ans;

        int i = 0;
        while (i<nums.length)
        {
            if (i+nums[i] >= nums.length-1)
            {
                ans++;
                break;
            }
            if (nums[i] == 1)
            {
                i++;
                ans++;
                continue;
            }
            int MAXi = i+nums[i];
            for (int j = nums[i]-1, n = nums[i+nums[i]]+1,dev = 0; j>0; j--,n++)
            {
                if (nums[i+j] > n && nums[i+j]-n > dev)
                {
                    dev = nums[i+j]-n;
                    MAXi = i+j;
                }
            }
            i = MAXi;
            ans++;
        }
        return ans;
    }
}

总结

这几周的刷题让我收获良多,学习了动态规划、深度优先搜索、贪心等算法,也提高了代码熟练度。

当然也引出了许多问题,是否需要花时间去把答案做到0ms,还有比赛和实习临近,我应该如何把控时间,虽然我是网络安全专业的,但是我更爱算法。

虽然说兴趣是最好的老师,到底是不是这块料,通过实践,它会把你按在太阳底下暴晒。

路漫漫其修远兮,吾将上下而求索文章来源地址https://www.toymoban.com/news/detail-851528.html

到了这里,关于快来看看萌新小白学习动态规划、深度优先搜索、贪心的文章就介绍完了。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

  • 【洛谷 P4017】最大食物链计数 题解(深度优先搜索+动态规划+邻接表+记忆化搜索+剪枝)

    你知道食物链吗?Delia 生物考试的时候,数食物链条数的题目全都错了,因为她总是重复数了几条或漏掉了几条。于是她来就来求助你,然而你也不会啊!写一个程序来帮帮她吧。 给你一个食物网,你要求出这个食物网中最大食物链的数量。 (这里的“最大食物链”,指的

    2024年04月15日
    浏览(30)
  • 强化学习的数学基础:从动态规划到深度学习

    强化学习(Reinforcement Learning, RL)是一种人工智能技术,它旨在让智能体(agent)在环境(environment)中学习如何做出最佳决策,以最大化累积奖励(cumulative reward)。强化学习的核心思想是通过在环境中与智能体与环境的交互来学习,而不是通过传统的监督学习(supervised le

    2024年02月01日
    浏览(47)
  • 基于sumo实现交通的拥堵预测和路径动态规划 基于机器学习或者深度学习方法动态预测各路段的拥堵指数

    基于sumo实现交通的拥堵预测和路径动态规划 实现思路: 1、基于机器学习或者深度学习方法动态预测各路段的拥堵指数。 2、采用A* Dijkstra实现车辆的路径实时动态规划 基于sumo实现交通的拥堵预测和路径动态规划 随着城市化进程的加速以及交通运输工具的不断普及,城市交

    2024年04月17日
    浏览(41)
  • 【动态规划】【广度优先】LeetCode2258:逃离火灾

    视频算法专题 二分查找算法合集 动态规划汇总 二分查找 给你一个下标从 0 开始大小为 m x n 的二维整数数组 grid ,它表示一个网格图。每个格子为下面 3 个值之一: 0 表示草地。 1 表示着火的格子。 2 表示一座墙,你跟火都不能通过这个格子。 一开始你在最左上角的格子

    2024年02月05日
    浏览(38)
  • 【动态规划】【广度优先搜索】LeetCode:2617 网格图中最少访问的格子数

    二分查找算法合集 动态规划汇总 视频算法专题 给你一个下标从 0 开始的 m x n 整数矩阵 grid 。你一开始的位置在 左上角 格子 (0, 0) 。 当你在格子 (i, j) 的时候,你可以移动到以下格子之一: 满足 j k = grid[i][j] + j 的格子 (i, k) (向右移动),或者 满足 i k = grid[i][j] + i 的格子

    2024年02月04日
    浏览(36)
  • 【动态规划】【广度优先搜索】【状态压缩】847 访问所有节点的最短路径

    视频算法专题 动态规划汇总 广度优先搜索 状态压缩 存在一个由 n 个节点组成的无向连通图,图中的节点按从 0 到 n - 1 编号。 给你一个数组 graph 表示这个图。其中,graph[i] 是一个列表,由所有与节点 i 直接相连的节点组成。 返回能够访问所有节点的最短路径的长度。你可

    2024年01月23日
    浏览(38)
  • 深度剖析动态规划算法:原理、优势与实战

    动态规划是一种优化技术,通常用于解决那些可以分解为子问题的问题。它的核心思想是将大问题分解成小问题,通过解决小问题来构建大问题的解。这种方法通常用于解决最优化问题,其中目标是找到最佳解决方案,通常是最大化或最小化某个值。 动态规划算法的核心原理

    2024年02月07日
    浏览(40)
  • 数据结构学习笔记——图的遍历算法(深度优先搜索和广度优先搜索)

    图的遍历指从图中某一顶点出发(任意一个顶点都可以作为访问的起始顶点),按照某种遍历方法,对图中所有的顶点访问一次且只访问一次。图与树不一样,其中一个顶点可能与多个顶点相连,所以需记录已访问过的顶点,当访问一个顶点后,考虑如何选取下一个要访问的

    2024年02月05日
    浏览(50)
  • (C++/动态规划/深度讲解)LeetCode377. 组合总和 Ⅳ

    动态规划算法概述         动态规划算法是一个分治的方法,把重叠子问题从底层到顶层拆解后,基于已经求解的子问题来求解目标问题的算法,过程清晰明了,且具有记忆化功能,在某些问题中可以避免很多重复计算,效率高,故受到很多程序员的青睐。 为什么说动态

    2024年04月15日
    浏览(46)

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