带你读《图解算法小抄》二十一、动态规划(13)

简介: 带你读《图解算法小抄》二十一、动态规划(13)

带你读《图解算法小抄》二十一、动态规划(12)https://developer.aliyun.com/article/1347951?groupCode=tech_library


20.最低票价

1)题目描述

给定一组旅行日期 days 和对应的票价 costs,你需要购买一张车票以完成整个旅行。车票有三种不同的类型:1 天通行证、7 天通行证和 30 天通行证。我们可以按任意顺序购买这些通行证。

 

请你计算完成旅行所需的最低票价。

2)解题步骤

为了解决最低票价问题,我们可以使用动态规划的思想来解决。

 

  • 定义状态:我们使用一个数组 dp 来表示最低票价,其中 dp[i] 表示在第 i 天需要的最低票价。
  • 初始化状态:我们将 dp 数组初始化为一个长度为 days.length + 1 的数组,初始值为 Infinity,表示在旅行结束后的一天,我们不需要再购买任何车票。
  • 定义状态转移方程:对于每一天 i,我们有三种选择:
  • 如果这一天不需要旅行,那么 dp[i] 等于前一天的最低票价,即 dp[i] = dp[i-1]
  • 如果这一天需要旅行,我们可以考虑购买 1 天、7 天或 30 天的通行证。我们选择最低的票价作为当前的最低票价。即 dp[i] = Math.min(dp[i], dp[i-1] + costs[0], dp[i-7] + costs[1], dp[i-30] + costs[2])

 

  • 最终结果:dp[days.length] 即为完成整个旅行所需的最低票价。

 

下面是使用动态规划解决最低票价问题的算法框架:

 

function mincostTickets(days, costs) {
  const dp = new Array(days.length + 1).fill(Infinity);
  dp[0] = 0;  for (let i = 1; i <= days.length; i++) {
    if (!days.includes(i)) {
      dp[i] = dp[i - 1];
    } else {
      dp[i] = Math.min(
        dp[i - 1] + costs[0],
        dp[Math.max(i - 7, 0)] + costs[1],
        dp[Math.max(i - 30, 0)] + costs[2]
      );
    }
  }
  return dp[days.length];
}

21.冷冻期下的买卖股票的最佳时机

1)题目描述

给定一个整数数组 prices,其中第 i 个元素代表某只股票在第 i 天的价格。可以无限次地完成交易(买入和卖出一支股票算作一次交易),但是有一个限制条件:卖出股票后的第二天必须休息(即冷冻期)。求能够获得的最大利润。


带你读《图解算法小抄》二十一、动态规划(14)https://developer.aliyun.com/article/1347948?groupCode=tech_library

相关文章
|
2月前
|
机器学习/深度学习 存储 算法
动态规划算法深度解析:0-1背包问题
0-1背包问题是经典的组合优化问题,目标是在给定物品重量和价值及背包容量限制下,选取物品使得总价值最大化且每个物品仅能被选一次。该问题通常采用动态规划方法解决,通过构建二维状态表dp[i][j]记录前i个物品在容量j时的最大价值,利用状态转移方程避免重复计算子问题,从而高效求解最优解。
441 1
|
9月前
|
存储 算法 Java
算法系列之动态规划
动态规划(Dynamic Programming,简称DP)是一种用于解决复杂问题的算法设计技术。它通过将问题分解为更小的子问题,并存储这些子问题的解来避免重复计算,从而提高算法的效率。
364 4
算法系列之动态规划
|
10月前
|
算法 Java C++
【潜意识Java】蓝桥杯算法有关的动态规划求解背包问题
本文介绍了经典的0/1背包问题及其动态规划解法。
327 5
|
9月前
|
算法 安全 调度
【动态规划篇】穿越算法迷雾:约瑟夫环问题的奇幻密码
【动态规划篇】穿越算法迷雾:约瑟夫环问题的奇幻密码
|
9月前
|
机器学习/深度学习 算法 测试技术
【动态规划篇】01 背包的逆袭:如何用算法装满你的 “财富背包”
【动态规划篇】01 背包的逆袭:如何用算法装满你的 “财富背包”
|
算法
动态规划算法学习三:0-1背包问题
这篇文章是关于0-1背包问题的动态规划算法详解,包括问题描述、解决步骤、最优子结构性质、状态表示和递推方程、算法设计与分析、计算最优值、算法实现以及对算法缺点的思考。
577 2
动态规划算法学习三:0-1背包问题
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
252 2
|
算法
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
这篇文章介绍了动态规划算法中解决最大上升子序列问题(LIS)的方法,包括问题的描述、动态规划的步骤、状态表示、递推方程、计算最优值以及优化方法,如非动态规划的二分法。
252 0
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
|
算法
动态规划算法学习二:最长公共子序列
这篇文章介绍了如何使用动态规划算法解决最长公共子序列(LCS)问题,包括问题描述、最优子结构性质、状态表示、状态递归方程、计算最优值的方法,以及具体的代码实现。
535 0
动态规划算法学习二:最长公共子序列
|
存储 算法
动态规划算法学习一:DP的重要知识点、矩阵连乘算法
这篇文章是关于动态规划算法中矩阵连乘问题的详解,包括问题描述、最优子结构、重叠子问题、递归方法、备忘录方法和动态规划算法设计的步骤。
1084 0

热门文章

最新文章