【算法——动态规划】蓝桥ALGO-1007 印章(C/C++)

简介: 【算法——动态规划】蓝桥ALGO-1007 印章(C/C++)

原题链接“蓝桥杯”练习系统


动态规划(Dynamic Programming,简称DP)是一种通过将复杂问题分解为较小的子问题并存储其结果来解决问题的算法思想。它通常用于解决具有重叠子问题和最优子结构性质的问题,在算法竞赛中有意想不到的惊喜。


动态规划的核心思想

动态规划的核心思想是记住已经解决的子问题,以避免重复计算。它与“分治法”相似,但不同的是,分治法通常没有子问题的重叠,而动态规划则会利用子问题的重叠特性,优化求解过程,可以理解为根据以往的经验进行此次计算操作。

动态规划的两个重要特征

1. 重叠子问题:问题可以分解为多个小的子问题,并且这些子问题在递归求解的过程中会被重复计算。例如,在求解斐波那契数列时,F(n) = F(n-1) + F(n-2),这里的子问题 F(n-1)和F(n-2) 会不断被重复计算,因为在之前就已经把F(n-1)和F(n-2)计算出来了,就是F(n)先于F(n-1)和F(n-2)更新。

 

2. 最优子结构:一个问题的最优解可以通过其子问题的最优解来构造。例如,最短路径问题中的某一点到终点的最短路径,可以通过它的相邻点的最短路径来计算。

动态规划的解决步骤

1. 确定状态:通常会定义一个数组或矩阵来存储子问题的解。比如,在一个背包问题中,dp[i][j]状态可以定义为“前i件物品在容量为j的背包中的最大价值”。

2. 状态转移方程:确定如何从已知状态推导出新的状态。这一步通常被称为状态转移方程。它描述了如何利用子问题的解来构造更大问题的解。例如,斐波那契数列的状态转移方程为 F(n) = F(n-1) + F(n-2)。

 

3. 初始条件: 定义初始状态或边界条件。动态规划的计算通常从一些已知的基础解开始推导。例如,我们常知道斐波那契数列的初始条件是 F(0) = 0 和 F(1) = 1。


4. 计算顺序:通常可以从小规模问题开始,自底向上逐步解决子问题。通过填表法(即将子问题的解存入表格中),逐步求解最终问题的答案。


动态规划的两种实现方式

1. 自顶向下(Top-Down,记忆化递归):通过递归的方式自上而下地解决问题,但每当需要计算一个子问题时,先检查这个子问题是否已经计算过。如果计算过,则直接取出结果,否则计算并存储结果。

2. 自底向上(Bottom-Up):从最基本的子问题开始,逐步解决大问题。这通常通过循环来实现,直接填充动态规划的表格。

动态规划的优势

减少重复计算:通过存储子问题的解,避免了递归中的大量重复计算,提高了算法效率。

适用范围广:动态规划可以应用于各种有最优子结构和重叠子问题的场景,如最短路径、背包问题、子序列问题等。

动态规划的复杂度

动态规划的时间复杂度和空间复杂度通常取决于状态空间的大小以及状态转移方程的计算复杂度。通过优化存储结构(如滚动数组技术),空间复杂度可以从原来的 O(n²) 降低到 O(n)。在真正实战中动态规划还是非常好用的。


问题描述

共有n种图案的印章,每种图案的出现概率相同。小A买了m张印章,求小A集齐n种印章的概率。

输入格式

一行两个正整数n和m

输出格式

一个实数P表示答案,保留4位小数。

样例输入

2 3

样例输出

0.7500

数据规模和约定

1≤n,m≤20


解题思路:

这是一道动态规划题目,算是动态规划里面的入门题目。很像我们小时候集卡兑奖的游戏,我们知道当m尽量大的时候才可能集齐n种印章。特殊情况,当n>m,即:买的数量小于印章的个数,无论如何也是凑不起来的。当n<=m时,是可能凑起来n种印章的,首先每一张的概率为1/n,当需要凑齐一张印章时,买了m张,每一张都可能是那一张,所以是pow(1/n,m)*n,乘n的原因是一共n张印章,我不知道我凑齐的是哪一张所以凑得印章有n种选择。另一种就是普通的动态规划情况了,分最后一张是否重复的情况,第i-1前的都凑好了,第i张就算前面的已经取得印章,如果第i-1前的还差一张凑齐,第i张就要凑齐最后一张。状态转移方程为:a[i][j]=a[i-1][j]*(j*1.0/n)+a[i-1][j-1]*((n-j+1)*1.0/n)。

AC代码

#include<stdio.h>
#include<math.h>
int main(){
  int n,m,i,j;
  double a[25][25],p;
  scanf("%d%d",&n,&m);
  p=1.0/n;
  for(i=1;i<=m;i++){
    for(j=1;j<=n;j++){
      if(i<j) a[i][j]=0;
      if(j==1){//凑齐1张的情况,所以是pow(p,i),又因为有n种,又要乘上n
        a[i][j]=pow(p,i-1);
      } 
      else{
        a[i][j]=a[i-1][j]*(j*1.0/n)+a[i-1][j-1]*((n-j+1)*1.0/n);
        //分最后一张是否重复的情况,第i-1前的都凑好了,第i张就算前面的已经取得印章
        //第i-1前的还差一张凑齐,第i张就要凑齐最后一张
      }
    }
  }
  printf("%.4f",a[m][n]);
  return 0;
} 
//动态规划问题 dp[i][j],i表示买了i张,凑齐了j种印章,

本人小白一枚,有错误的地方还望大佬指点。执笔至此,感触彼多,全文将至,落笔为终,感谢各位读者的支持.


相关文章
|
13天前
|
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。
209 1
|
5月前
|
存储 监控 算法
基于 C++ 哈希表算法实现局域网监控电脑屏幕的数据加速机制研究
企业网络安全与办公管理需求日益复杂的学术语境下,局域网监控电脑屏幕作为保障信息安全、规范员工操作的重要手段,已然成为网络安全领域的关键研究对象。其作用类似网络空间中的 “电子眼”,实时捕获每台电脑屏幕上的操作动态。然而,面对海量监控数据,实现高效数据存储与快速检索,已成为提升监控系统性能的核心挑战。本文聚焦于 C++ 语言中的哈希表算法,深入探究其如何成为局域网监控电脑屏幕数据处理的 “加速引擎”,并通过详尽的代码示例,展现其强大功能与应用价值。
109 2
|
7月前
|
存储 负载均衡 算法
基于 C++ 语言的迪杰斯特拉算法在局域网计算机管理中的应用剖析
在局域网计算机管理中,迪杰斯特拉算法用于优化网络路径、分配资源和定位故障节点,确保高效稳定的网络环境。该算法通过计算最短路径,提升数据传输速率与稳定性,实现负载均衡并快速排除故障。C++代码示例展示了其在网络模拟中的应用,为企业信息化建设提供有力支持。
179 15
|
7月前
|
存储 算法 数据处理
公司局域网管理中的哈希表查找优化 C++ 算法探究
在数字化办公环境中,公司局域网管理至关重要。哈希表作为一种高效的数据结构,通过哈希函数将关键值(如IP地址、账号)映射到数组索引,实现快速的插入、删除与查找操作。例如,在员工登录验证和设备信息管理中,哈希表能显著提升效率,避免传统线性查找的低效问题。本文以C++为例,展示了哈希表在局域网管理中的具体应用,包括设备MAC地址与IP分配的存储与查询,并探讨了优化哈希函数和扩容策略,确保网络管理高效准确。
|
3月前
|
存储 监控 算法
基于跳表数据结构的企业局域网监控异常连接实时检测 C++ 算法研究
跳表(Skip List)是一种基于概率的数据结构,适用于企业局域网监控中海量连接记录的高效处理。其通过多层索引机制实现快速查找、插入和删除操作,时间复杂度为 $O(\log n)$,优于链表和平衡树。跳表在异常连接识别、黑名单管理和历史记录溯源等场景中表现出色,具备实现简单、支持范围查询等优势,是企业网络监控中动态数据管理的理想选择。
82 0
|
5月前
|
监控 算法 数据处理
基于 C++ 的 KD 树算法在监控局域网屏幕中的理论剖析与工程实践研究
本文探讨了KD树在局域网屏幕监控中的应用,通过C++实现其构建与查询功能,显著提升多维数据处理效率。KD树作为一种二叉空间划分结构,适用于屏幕图像特征匹配、异常画面检测及数据压缩传输优化等场景。相比传统方法,基于KD树的方案检索效率提升2-3个数量级,但高维数据退化和动态更新等问题仍需进一步研究。未来可通过融合其他数据结构、引入深度学习及开发增量式更新算法等方式优化性能。
143 17
|
4月前
|
机器学习/深度学习 存储 算法
基于 C++ 布隆过滤器算法的局域网上网行为控制:URL 访问过滤的高效实现研究
本文探讨了一种基于布隆过滤器的局域网上网行为控制方法,旨在解决传统黑白名单机制在处理海量URL数据时存储与查询效率低的问题。通过C++实现URL访问过滤功能,实验表明该方法可将内存占用降至传统方案的八分之一,查询速度提升约40%,假阳性率可控。研究为优化企业网络管理提供了新思路,并提出结合机器学习、改进哈希函数及分布式协同等未来优化方向。
91 0
|
6月前
|
存储 监控 算法
基于 C++ 哈希表算法的局域网如何监控电脑技术解析
当代数字化办公与生活环境中,局域网的广泛应用极大地提升了信息交互的效率与便捷性。然而,出于网络安全管理、资源合理分配以及合规性要求等多方面的考量,对局域网内计算机进行有效监控成为一项至关重要的任务。实现局域网内计算机监控,涉及多种数据结构与算法的运用。本文聚焦于 C++ 编程语言中的哈希表算法,深入探讨其在局域网计算机监控场景中的应用,并通过详尽的代码示例进行阐释。
119 4
|
7月前
|
存储 算法 安全
企业员工数据泄露防范策略:基于 C++ 语言的布隆过滤器算法剖析[如何防止员工泄密]
企业运营过程中,防范员工泄密是信息安全领域的核心议题。员工泄密可能致使企业核心数据、商业机密等关键资产的流失,进而给企业造成严重损失。为应对这一挑战,借助恰当的数据结构与算法成为强化信息防护的有效路径。本文专注于 C++ 语言中的布隆过滤器算法,深入探究其在防范员工泄密场景中的应用。
115 8
|
8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。
267 4
算法系列之动态规划

热门文章

最新文章