从小白开始刷算法 记忆化搜索篇 leetcode.509

简介: 从小白开始刷算法 记忆化搜索篇 leetcode.509

序言

虽然算法很难,但不应该就放弃。这是一个学习笔记,希望你们喜欢~

先自己尝试写,大概十几分钟仍然写不出来

看思路,再尝试跟着思路写

仍然写不出来,再看视频

b站up视频推荐:爱学习的饲养员

leetcode其他文章:

数组篇:

从小白开始刷算法 数组篇 leetcode.485

从小白开始刷算法 数组篇 leetcode.283

从小白开始刷算法 数组篇 leetcode.27

链表篇:

从小白开始刷算法 ListNode 链表篇 leetcode.203

从小白开始刷算法 ListNode 链表篇 leetcode.206

队列篇

从小白开始刷算法 ListNode 链表篇 leetcode.933

栈篇

从小白开始刷算法 Stack 栈篇 leetcode.20

从小白开始刷算法 Stack 栈篇 leetcode.496

哈希篇

从小白开始刷算法 Hash 哈希篇 leetcode.217

从小白开始刷算法 Hash 哈希篇 leetcode.705

树篇

从小白开始刷算法 Tree 树篇 先序遍历 leetcode.144

从小白开始刷算法 Tree 树篇 中序遍历 leetcode.94

从小白开始刷算法 Tree 树篇 后序遍历 leetcode.94

堆篇

从小白开始刷算法 Heap 堆篇 最大堆排序 leetcode.215

小白开始刷算法 Heap 堆篇 最小堆排序 leetcode.692

双指针篇

从小白开始刷算法 对撞双指针 leetcode.881

从小白开始刷算法 快慢双指针篇 leetcode.141

二分法篇

从小白开始刷算法 二分法篇 leetcode.704

从小白开始刷算法 二分法篇 leetcode.35

从小白开始刷算法 二分法篇 leetcode.162

从小白开始刷算法 二分法篇 leetcode.74

滑动窗口篇

从小白开始刷算法 滑动窗口篇 leetcode.209

从小白开始刷算法 滑动窗口篇 leetcode.1456

递归篇

从小白开始刷算法 递归篇 leetcode.509

从小白开始刷算法 递归篇 leetcode.206

分治法篇

从小白开始刷算法 分治法篇 leetcode.169

从小白开始刷算法 分治法篇 leetcode.53

回溯法篇

从小白开始刷算法 回溯法篇 leetcode.22

从小白开始刷算法 回溯法篇 leetcode.78

dfs篇

从小白开始刷算法 dfs篇 leetcode.938

从小白开始刷算法 dfs篇 leetcode.200

bfs篇

从小白开始刷算法 bfs篇 leetcode.102

并查集篇

从小白开始刷算法 并查集篇 leetcode.200

[从小白开始刷算法 并查集篇 leetcode.547

记忆化搜索篇

难度:简单

题目:

509. 斐波那契数

斐波那契数 (通常用 F(n) 表示)形成的序列称为 斐波那契数列 。该数列由 0 和 1 开始,后面的每一项数字都是前面两项数字的和。也就是:

F(0) = 0,F(1) = 1

F(n) = F(n - 1) + F(n - 2),其中 n > 1

给定 n ,请计算 F(n) 。

示例 1:

输入:n = 2

输出:1

解释:F(2) = F(1) + F(0) = 1 + 0 = 1

示例 2:

输入:n = 3

输出:2

解释:F(3) = F(2) + F(1) = 1 + 1 = 2

示例 3:

输入:n = 4

输出:3

解释:F(4) = F(3) + F(2) = 2 + 1 = 3

题目来源:力扣(LeetCode)

记忆化搜索

也称为动态规划的一种优化技术,是在递归算法的基础上添加了缓存(或称为记忆化数组或备忘录),以避免重复计算子问题,提高算法的效率。

在使用记忆化搜索时,我们将计算过的结果存储在一个数组(通常称为memo或cache)中,以便在后续的计算中可以直接访问和复用这些结果。这样,当遇到相同的子问题时,我们只需查找缓存中是否已经计算过该子问题的结果,如果已经计算过,则直接返回结果,而无需重新计算。

记忆化搜索常用于解决具有重叠子问题特性的问题,其中同一个子问题会被多次计算。通过使用记忆化,我们可以避免重复计算,减少时间复杂度,提高算法的执行速度。

记忆化搜索的步骤通常包括:

  1. 创建一个用于存储计算结果的缓存(memo)。
  2. 在每次计算前,先检查缓存中是否已经存在计算结果。
  3. 如果缓存中已经存在计算结果,则直接返回结果。
  4. 如果缓存中不存在计算结果,则进行计算,并将结果存入缓存中。
  5. 在递归过程中,按照需要计算子问题,并利用缓存中的结果进行计算。
  6. 最终返回所需的结果。

记忆化搜索可以有效地减少重复计算,提高算法的效率,尤其在递归算法中应用广泛。它常用于解决一些经典的问题,如斐波那契数列、背包问题、图算法等。通过合理地设计缓存结构和递归逻辑,可以将指数级的时间复杂度降低为多项式级别,从而实现高效的算法解决方案。

递归+记忆化搜索 思路

能否写出:能写出。

时间:20分钟左右

思路:

思路与从小白开始刷算法 递归篇 leetcode.509一样

fibMemoization方法中,首先判断如果n小于等于1,则直接返回n,与fib方法相同。

然后,检查memo数组中是否已经存在计算过的结果,即memo[n]是否不等于-1。如果不等于-1,说明已经计算过该值,直接返回该结果。

如果memo[n]等于-1,表示尚未计算过该值,需要进行计算。计算过程为将前两个斐波那契数的结果相加,即fibMemoization(n - 1, memo) + fibMemoization(n - 2, memo)。然后将计算结果存入memo[n]中。

最后,返回memo[n]作为结果。

通过使用记忆化搜索的思路,可以避免重复计算斐波那契数列中的子问题,从而大大提高计算效率。记忆化搜索的时间复杂度是线性的,即O(n)。

// 仅是我的思路代码,leetcode上大神更厉害
class Solution {
  public int fib(int n) {
      if (n <= 1) {
          return n;
      }
      //新建记忆化数组
      int[] memo = new int[n + 1];
      //初始化 数组
      Arrays.fill(memo, -1);
      return fibMemoization(n,memo);
  }
  private int fibMemoization(int n, int[] memo) {
      if (n <= 1) {
          return n;
      }
      //判断 memo 数组中是否已经存在计算过的结果
      if (memo[n] != -1) {
          return memo[n];
      }
      //将结果存入memo[n]中
      memo[n] = fibMemoization(n - 1, memo) + fibMemoization(n - 2, memo);
      return memo[n];
  }
}

时间复杂度:O(N)

  • 对于每个n,我们只计算一次斐波那契数,然后将结果存储在memo数组中。之后的计算都是通过查找memo数组来获得结果,而不需要重复计算。

空间复杂度:O(N)

  • 由memo数组所占用的空间决定。memo数组的大小是n+1,因此空间复杂度与输入规模n成正比。
相关文章
|
1月前
|
算法
Leetcode 初级算法 --- 数组篇
Leetcode 初级算法 --- 数组篇
38 0
|
3月前
|
算法
【算法】二分算法——搜索插入位置
【算法】二分算法——搜索插入位置
|
11天前
|
存储 算法 Java
leetcode算法题-有效的括号(简单)
【11月更文挑战第5天】本文介绍了 LeetCode 上“有效的括号”这道题的解法。题目要求判断一个只包含括号字符的字符串是否有效。有效字符串需满足左括号必须用相同类型的右括号闭合,并且左括号必须以正确的顺序闭合。解题思路是使用栈数据结构,遍历字符串时将左括号压入栈中,遇到右括号时检查栈顶元素是否匹配。最后根据栈是否为空来判断字符串中的括号是否有效。示例代码包括 Python 和 Java 版本。
|
14天前
|
算法 搜索推荐 数据库
二分搜索:高效的查找算法
【10月更文挑战第29天】通过对二分搜索的深入研究和应用,我们可以不断挖掘其潜力,为各种复杂问题提供高效的解决方案。相信在未来的科技发展中,二分搜索将继续发挥着重要的作用,为我们的生活和工作带来更多的便利和创新。
21 1
|
1月前
|
算法
每日一道算法题(Leetcode 20)
每日一道算法题(Leetcode 20)
23 2
|
1月前
|
算法 决策智能
基于禁忌搜索算法的VRP问题求解matlab仿真,带GUI界面,可设置参数
该程序基于禁忌搜索算法求解车辆路径问题(VRP),使用MATLAB2022a版本实现,并带有GUI界面。用户可通过界面设置参数并查看结果。禁忌搜索算法通过迭代改进当前解,并利用记忆机制避免陷入局部最优。程序包含初始化、定义邻域结构、设置禁忌列表等步骤,最终输出最优路径和相关数据图表。
|
2月前
|
大数据 UED 开发者
实战演练:利用Python的Trie树优化搜索算法,性能飙升不是梦!
在数据密集型应用中,高效搜索算法至关重要。Trie树(前缀树/字典树)通过优化字符串处理和搜索效率成为理想选择。本文通过Python实战演示Trie树构建与应用,显著提升搜索性能。Trie树利用公共前缀减少查询时间,支持快速插入、删除和搜索。以下为简单示例代码,展示如何构建及使用Trie树进行搜索与前缀匹配,适用于自动补全、拼写检查等场景,助力提升应用性能与用户体验。
54 2
|
1月前
|
存储 算法 C++
【搜索算法】 跳马问题(C/C++)
【搜索算法】 跳马问题(C/C++)
|
1月前
|
人工智能 算法 Java
【搜索算法】数字游戏(C/C++)
【搜索算法】数字游戏(C/C++)
|
3月前
|
机器学习/深度学习 算法 文件存储
【博士每天一篇文献-算法】 PNN网络启发的神经网络结构搜索算法Progressive neural architecture search
本文提出了一种名为渐进式神经架构搜索(Progressive Neural Architecture Search, PNAS)的方法,它使用顺序模型优化策略和替代模型来逐步搜索并优化卷积神经网络结构,从而提高了搜索效率并减少了训练成本。
55 9