强化训练:day3

这篇具有很好参考价值的文章主要介绍了强化训练:day3。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

  今天的三个题目分别是:WY22 Fibonacci数列、NC242 单词搜索、BC140 杨辉三角。

1. Fibonacci数列

1.1 题目描述

强化训练:day3,动态规划,算法

1.2 解题思路

  一道非常简单的dp问题,甚至连动态转移方程都给给出了。状态表示就是:到达第n个位置,F[n]的值为多少,状态转移方程就是:F[i] = F[i-1] + F[i-2]。 因此用一个for循环就可以解决问题了。然后找到第一个大于n的数,将n与第一个大于它的数和第一个小于它的数进行比较,算出差值就可以了。

1.3 代码实现

#include <iostream>
using namespace std;
#include <vector>
int main() 
{
    int n = 0;
    cin >> n;
    vector<int> dp(1000, 0);
    int ret = 0x3f3f3f3f;
    dp[0] = 0, dp[1] = 1;
    for (int i = 2; dp[i - 1] < 1e6 + 1; i++) 
    {
        dp[i] = dp[i - 1] + dp[i - 2];
        if (n <= dp[i]) 
        {
            ret = min(ret, dp[i] - n);
            ret = min(ret, n - dp[i - 1]);
            break;
        }
    }
    cout << ret;
    return 0;
}

2. 单词搜索

2.1 题目描述

强化训练:day3,动态规划,算法

2.2 解题思路

  这是一道典型的dfs(深度优先搜索)的题目,实际上也就是暴力搜索,将每一个格子当作起点,再将其余格子当成第二步,……,也就是将所有情况都枚举出来,看看有没有符合条件的路径。

2.3 代码实现

class Solution {
  public:
    int m, n;
    int dx[4] = {-1, 1, 0, 0};
    int dy[4] = {0, 0, 1, -1};
    bool vis[101][101];
    bool dfs(vector<string>& board, string word, int i, int j, int pos) 
    {
        vis[i][j] = true;
        if (board[i][j] != word[pos]) 
        {
            return false;
        } else 
        {
            if (pos == word.size() - 1) return true;
            if (board[i][j] == word[pos]) 
            {
                for (int k = 0; k < 4; k++) 
                {
                    int x = i + dx[k], y = j + dy[k];
                    if (x >= 0 && x < m && y >= 0 && y < n && !vis[x][y]) 
                    {
                        if (dfs(board, word, x, y, pos + 1)) return true;
                        vis[x][y] = false;
                    }
                }
            }
        }
        return false;
    }
    bool exist(vector<string>& board, string word) 
    {
        memset(vis, 0, sizeof vis);
        m = board.size(), n = board[0].size();
        for (int i = 0; i < m; i++)
            for (int j = 0; j < n; j++) 
            {
                if (dfs(board, word, i, j, 0)) return true;
                vis[i][j] = false;
            }
        return false;
    }
};

3. 杨辉三角

3.1 题目描述

强化训练:day3,动态规划,算法

3.2 解题思路

  这一道题也是一道基础的dp问题,照着题目描述进行模拟即可,状态表示和状态状态转移方程都已经给出了,这就相当于一道模拟题了。不过需要注意的是,答案要求输出域宽为5,也很简单,大家看代码即可。(用C语言的printf)

3.3 代码实现

#include <iostream>
using namespace std;
#include <vector>
int main() 
{
    int n = 0;
    cin >> n;
    vector<vector<int>> nums(n, vector<int>(n, 0));
    for (int i = 0; i < n; i++) 
    {
        nums[i][0] = nums[i][i] = 1;
        for (int j = 1; j <= i; j++) 
        {
            nums[i][j] = nums[i - 1][j] + nums[i - 1][j - 1];
        }
    }
    for (int i = 0; i < n; i++) 
    {
        for (int j = 0; j <= i; j++) 
        {
            printf("%5d", nums[i][j]);
        }
        cout << endl;
    }
    return 0;
}

总结

  今天的第一题和第三题都比较简单,就是两道模拟题,第二道题稍微有些难度,但是只要学会了dfs,相信不成问题。我上面写的dfs就是一个比较基础的模板,可以套用大部分的dfs题目,如果有不会的小伙伴,可以私信我,之后会出一期专门的文章来进行讲解。
  那么第三天的内容就到此结束了,如果大家发现有什么错误的地方,可以私信或者评论区指出喔。我会继续坚持训练的,共勉!!!那么本期就到此结束,让我们下期再见!!觉得不错可以点个赞以示鼓励!文章来源地址https://www.toymoban.com/news/detail-856338.html

到了这里,关于强化训练:day3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

  • 算法训练Day39:62.不同路径 63. 不同路径 II 动态规划

    Category Difficulty Likes Dislikes ContestSlug ProblemIndex Score algorithms Medium (67.70%) 1746 0 - - 0 Tags Companies 一个机器人位于一个 m x n 网格的左上角 (起始点在下图中标记为 “Start” )。 机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角(在下图中标记为 “Finish” )。

    2023年04月25日
    浏览(45)
  • 深度学习DAY3:神经网络训练常见算法概述

    这是最常见的神经网络训练方法之一。它通过计算损失函数对权重的梯度,并沿着梯度的反方向更新权重,从而逐步减小损失函数的值。梯度下降有多个变种,包括随机梯度下降(SGD)和小批量梯度下降。 反向传播是一种基于链式法则的方法,用于计算神经网络中每个神经元

    2024年02月07日
    浏览(45)
  • 算法训练day41|动态规划 part03(LeetCode343. 整数拆分、96.不同的二叉搜索树)

    题目链接🔥🔥 给定一个正整数 n,将其拆分为至少两个正整数的和,并使这些整数的乘积最大化。 返回你可以获得的最大乘积。 示例 1: 输入: 2 输出: 1 解释: 2 = 1 + 1, 1 × 1 = 1。 示例 2: 输入: 10 输出: 36 解释: 10 = 3 + 3 + 4, 3 × 3 × 4 = 36。 说明: 你可以假设 n 不小于 2 且不大于

    2024年02月10日
    浏览(42)
  • 基于动态规划的强化学习算法

    学习「强化学习」(基于这本教材,强烈推荐)时的一些总结,在此记录一下。 在马尔可夫决策过程 环境模型已知 (也就是状态转移函数P、奖励函数r已知)的情况下,我们可以通过 「动态规划」 求得马尔可夫决策过程的最优策略 (pi^*) 。 对于做过算法题目的同学而言,

    2024年03月09日
    浏览(42)
  • 【机器学习】强化学习(二)基于动态规划的算法

    值函数可以分为状态价值函数和动作价值函数,分别适用于哪些强化学习问题 二、基于动态规划的算法 2.1 策略迭代算法 示例: 代码 首先定义了一些参数,如奖励、折扣因子、最大误差等,然后初始化了一个网格世界的环境,包括状态、动作、价值函数和策略。接着,它定

    2024年01月21日
    浏览(47)
  • day44代码训练|动态规划part06

    完全背包和01背包问题唯一不同的地方就是,每种物品有无限件 。 1. dp数组的含义 dp[i][j] 0-i物品,重量为j的容量时,最大的价值 2. 递推公式 dp[i][j] = max(dp[i-1][j],dp[i][j-weight[i]]+value[i]); 两种状态,不用物品i的话,直接是用dp[i-1][j] 选用物品的话,为了重复使用物品i,其实是

    2024年02月03日
    浏览(41)
  • 算法|Day46 动态规划14

    LeetCode 1143- 最长公共子序列 题目链接:力扣(LeetCode)官网 - 全球极客挚爱的技术成长平台 题目描述 :给定两个字符串 text1 和 text2,返回这两个字符串的最长 公共子序列 的长度。如果不存在 公共子序列 ,返回 0 。 一个字符串的 子序列 是指这样一个新的字符串:它是由原

    2024年02月11日
    浏览(46)
  • 算法记录 | Day53 动态规划

    思路: 本题和动态规划:718. 最长重复子数组 (opens new window)区别在于这里不要求是连续的了,但要有相对顺序,即:“ace” 是 “abcde” 的子序列,但 “aec” 不是 “abcde” 的子序列。 1.确定dp数组(dp table)以及下标的含义 dp[i][j] :长度为[0, i - 1]的字符串text1与长度为[0,

    2024年02月03日
    浏览(50)
  • 算法记录 | Day46 动态规划

    思路: 1.确定dp数组以及下标的含义 dp[i] : 字符串长度为i的话,dp[i]为true,表示可以拆分为一个或多个在字典中出现的单词 。 2.确定递推公式 如果 s[0: j] 可以拆分为单词(即 dp[j] == True ),并且字符串 s[j: i] 出现在字典中,则 dp[i] = True 。 如果 s[0: j] 不可以拆分为单词(即

    2024年02月02日
    浏览(39)
  • 算法记录 | Day38 动态规划

    对于动态规划问题,将拆解为如下五步曲 确定dp数组(dp table)以及下标的含义 确定递推公式 dp数组如何初始化 确定遍历顺序 举例推导dp数组 思路: 确定dp数组(dp table)以及下标的含义:dp[i]的定义为:第i个数的斐波那契数值是dp[i] 确定递推公式:状态转移方程 dp[i] = dp

    2023年04月22日
    浏览(44)

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