带你读《图解算法小抄》二十一、动态规划(2)

简介: 带你读《图解算法小抄》二十一、动态规划(2)

带你读《图解算法小抄》二十一、动态规划(1)https://developer.aliyun.com/article/1347965?groupCode=tech_library


2.斐波那契数

1题目描述

给定一个非负整数 n,计算 Fibonacci 数列中第 n 个数字的值。

 

Fibonacci 数列是一个递归定义的数列,其中每个数字是前两个数字之和。数列的前两个数字是 0 1,即 fib(0) = 0fib(1) = 1。对于 n > 1 的情况,fib(n) = fib(n-1) + fib(n-2)

 

例如,Fibonacci 数列的前几个数字是:0, 1, 1, 2, 3, 5, 8, 13, 21, ...

 

2解题步骤

为了计算 Fibonacci 数列中第 n 个数字的值,我们可以使用动态规划的思想来优化计算过程。

 

  • 定义状态:我们可以将 Fibonacci 数列的第 n 个数字作为状态。令 dp[i] 表示第 i 个数字的值。
  • 初始状态:根据 Fibonacci 数列的定义,我们知道 dp[0] = 0,dp[1] = 1
  • 状态转移方程:根据 Fibonacci 数列的递推关系 dp[i] = dp[i-1] + dp[i-2],我们可以使用状态转移方程来计算 Fibonacci 数列的其他数字。从 i = 2 开始,依次计算 dp[2] dp[n] 的值。
  • 边界条件:无需特别处理边界条件,因为初始状态已经包含了边界情况。

下面是使用动态规划解决 Fibonacci 数问题的算法框架:

 

function fibonacci(n) {
  if (n <= 1) {
    return n;
  }
  const dp = new Array(n + 1);
  dp[0] = 0;
  dp[1] = 1;  for (let i = 2; i <= n; i++) {
    dp[i] = dp[i - 1] + dp[i - 2];
  }
  return dp[n];
}

 

 

3.打家劫舍

1题目描述

给定一个非负整数数组 nums,表示每个房屋中的存放的金额。相邻的房屋在同一晚上会被抢劫,但是由于安全系统的限制,不能同时抢劫相邻的两个房屋。

 

请你计算在不触发警报的情况下,能够抢劫到的最大金额。

 

例如,给定一个包含以下金额的数组 nums:[2, 7, 9, 3, 1],可以抢劫的最大金额为 12,即抢劫第 1 个房屋和第 3 个房屋。

2解题步骤

为了计算在不触发警报的情况下能够抢劫到的最大金额,我们可以使用动态规划的思想来解决问题。

 

  • 定义状态:我们可以将问题转化为每个房屋的最优解。令 dp[i] 表示抢劫到第 i个房屋时的最大金额。
  • 初始状态:根据题目的约束,如果没有房屋可抢劫,即 nums 数组为空,那么最大金额为 0。即 dp[0] = 0。如果只有一个房屋,那么最大金额就是这个房屋里的金额。即 dp[1] = nums[0]
  • 状态转移方程:根据题目的要求,我们不能同时抢劫相邻的两个房屋。因此,对于第 i 个房屋,我们有两种选择:抢劫它或者不抢劫它。如果我们抢劫第 i 个房屋,那么最大金额为 dp[i-2] + nums[i-1];如果我们不抢劫第 i 个房屋,那么最大金额为 dp[i-1]。因此,状态转移方程为 dp[i] = max(dp[i-2] + nums[i-1], dp[i-1])
  • 最终解:问题的解即为最后一个房屋的最优解,即 dp[n],其中 n 是房屋的数量。

 

 

下面是使用动态规划解决打家劫舍问题的算法框架:

function rob(nums) {
  const n = nums.length;
  if (n === 0) {
    return 0;
  }  const dp = new Array(n + 1);
  dp[0] = 0;
  dp[1] = nums[0];  for (let i = 2; i <= n; i++) {
    dp[i] = Math.max(dp[i - 2] + nums[i - 1], dp[i - 1]);
  }
  return dp[n];
}


带你读《图解算法小抄》二十一、动态规划(3)https://developer.aliyun.com/article/1347962?groupCode=tech_library

相关文章
|
2月前
|
存储 算法
深入了解动态规划算法
深入了解动态规划算法
82 1
|
2月前
|
算法 测试技术 C++
【动态规划算法】蓝桥杯填充问题(C/C++)
【动态规划算法】蓝桥杯填充问题(C/C++)
|
1月前
|
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。
56 2
|
2月前
|
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。
109 2
动态规划算法学习三:0-1背包问题
|
2月前
|
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。
81 0
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
|
2月前
|
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。
186 0
动态规划算法学习二:最长公共子序列
|
2月前
|
存储 人工智能 算法
【算法——动态规划】蓝桥ALGO-1007 印章(C/C++)
【算法——动态规划】蓝桥ALGO-1007 印章(C/C++)
【算法——动态规划】蓝桥ALGO-1007 印章(C/C++)
|
2月前
|
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。
181 0
|
2月前
|
算法 C++
【算法解题思想】动态规划+深度优先搜索(C/C++)
【算法解题思想】动态规划+深度优先搜索(C/C++)
|
4月前
|
机器学习/深度学习 算法 Java
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法
这篇文章介绍了基于贪婪技术思想的Prim算法和Dijkstra算法,包括它们的伪代码描述、Java源代码实现、时间效率分析,并展示了算法的测试用例结果,使读者对贪婪技术及其应用有了更深入的理解。
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法

热门文章

最新文章