【每日算法】动态规划2(中等)

简介: 动态规划(中等)

16fb98eea012ef0cb446588ddc50662.png

题目

剑指 Offer 47. 礼物的最大价值

在一个 m*n 的棋盘的每一格都放有一个礼物,每个礼物都有一定的价值(价值大于 0)。你可以从棋盘的左上角开始拿格子里的礼物,并每次向右或者向下移动一格、直到到达棋盘的右下角。给定一个棋盘及其上面的礼物的价值,请计算你最多能拿到多少价值的礼物?

示例:

输入: 
[
  [1,3,1],
  [1,5,1],
  [4,2,1]
]
输出: 12
解释: 路径 1→3→5→2→1 可以拿到最多价值的礼物
复制代码

分析

本题主要思路是利用动态规划将每个格子的最大值计算出来

需要注意的是对各种边界情况的处理

  • 定义 dp 数组

dp[i][j] 表示i行j列可取的最大值

  • 写出dp数组状态转移方程
dp[i][j] = max{dp[i-1][j], dp[i][j-1]} + grid[i][j]
  • 初始化dp数组
dp[0][0] = grid[0][0]

迭代求解 dp 数组

分析边界情况,先求出边界,在求出内部

  • 第一行的最大值只能由第一行遍历过去求得
  • 第一列的最大值只能由第一列遍历过去求得
  • 内部的按行或者按列逐层遍历得到即可
  • 返回结果

实现

function maxValue(grid: number[][]): number {
    let m = grid.length     // 行
    let n = grid[0].length  // 列
    let dp = new Array(m)
    for (let i = 0; i < dp.length; i ++) {
        dp[i] = new Array(n)
    }
    dp[0][0] = grid[0][0]
    // 计算边界 行
    for (let i = 1; i < m; i ++) {
        dp[i][0] = dp[i - 1][0] + grid[i][0]
    }
    // 计算边界 列
    for (let j = 1; j < n; j ++) {
        dp[0][j] = dp[0][j - 1] + grid[0][j]
    }
    // 计算除边界 遍历
    for (let i = 1; i < m; i ++) {
        for (let j = 1; j < n; j ++) {
            dp[i][j] = Math.max(dp[i-1][j], dp[i][j-1]) + grid[i][j]
        }
    }
    return dp[m-1][n-1]
};
复制代码

题目

剑指 Offer 46. 把数字翻译成字符串

给定一个数字,我们按照如下规则把它翻译为字符串:0 翻译成 “a” ,1 翻译成 “b”,……,11 翻译成 “l”,……,25 翻译成 “z”。一个数字可能有多个翻译。请编程实现一个函数,用来计算一个数字有多少种不同的翻译方法。

示例:

输入: 12258
输出: 5
解释: 12258有5种不同的翻译,分别是"bccfi", "bwfi", "bczi", "mcfi"和"mzi"
复制代码

分析

这道题分析到最后与青蛙跳台阶有点类似,只是在每一次求解时都需要格外判断一下是否可以跳

  • 定义 dp 数组

dp[i] 以第 i 个字母结尾有几种不同方法

  • 写出状态转移方程
  • dp[i] = dp[i-1] 当结尾两个字母相连无法解析成其它字母时
  • dp[i] = dp[i-1] + dp[i-2] 当结尾两个字母可以解析成其它字母时,说明最终结果可以由前两种状态得到
  • 初始化dp数组
dp[0] = 1
dp[1] = 判断是否满足连子翻译条件,是为2,否为1
  • 迭代求解 dp 数组

实现

function translateNum(num: number): number {
    // dp[i] 以第 i 个字母结尾有几种不同方法
    let str = num.toString()
    let len = str.length
    let dp = []
    dp[0] = 1
    let i = 1
    while(i < len) {
        let cur = + (str[i - 1] + str[i])
        if (cur >= 10 && cur <=25) {
            if ( i == 1) {
                dp[i] = 2
            } else {
                dp[i] = dp[i - 1] + dp[i - 2]
            }
        } else {
            dp[i] = dp[i - 1]
        }
        i ++
    }
    return dp[len - 1]
};
相关文章
|
1天前
|
机器学习/深度学习 存储 算法
数据结构与算法 动态规划(启发式搜索、遗传算法、强化学习待完善)
数据结构与算法 动态规划(启发式搜索、遗传算法、强化学习待完善)
12 1
|
1天前
|
算法
代码随想录算法训练营第五十六天 | LeetCode 647. 回文子串、516. 最长回文子序列、动态规划总结
代码随想录算法训练营第五十六天 | LeetCode 647. 回文子串、516. 最长回文子序列、动态规划总结
34 1
|
1天前
|
算法
算法系列--动态规划--特殊的状态表示--分析重复子问题(下)
算法系列--动态规划--特殊的状态表示--分析重复子问题(下)
16 0
|
1天前
|
算法
算法系列--动态规划--特殊的状态表示--分析重复子问题(上)
算法系列--动态规划--特殊的状态表示--分析重复子问题
18 0
|
1天前
|
算法
算法系列--动态规划--背包问题(5)--二维费用背包问题(下)
算法系列--动态规划--背包问题(5)--二维费用背包问题(下)
14 0
|
1天前
|
算法
算法系列--动态规划--背包问题(5)--二维费用背包问题(上)
算法系列--动态规划--背包问题(5)--二维费用背包问题(上)
21 0
|
1天前
|
算法
算法系列--动态规划--背包问题(4)--完全背包拓展题目(下)
算法系列--动态规划--背包问题(4)--完全背包拓展题目(下)
22 0
|
1天前
|
算法
算法系列--动态规划--背包问题(4)--完全背包拓展题目(上)
算法系列--动态规划--背包问题(4)--完全背包拓展题目(上)
20 0
|
1天前
|
算法
算法系列--动态规划--背包问题(3)--完全背包介绍(下)
算法系列--动态规划--背包问题(3)--完全背包介绍(下)
19 0
|
1天前
|
算法
算法系列--动态规划--背包问题(3)--完全背包介绍(上)
算法系列--动态规划--背包问题(3)--完全背包介绍
20 0

热门文章

最新文章