【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
|
16天前
|
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。
43 15
|
16天前
|
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。
|
24天前
|
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。
32 4
算法系列之动态规划
|
25天前
|
存储 监控 算法
公司监控上网软件架构:基于 C++ 链表算法的数据关联机制探讨
在数字化办公时代,公司监控上网软件成为企业管理网络资源和保障信息安全的关键工具。本文深入剖析C++中的链表数据结构及其在该软件中的应用。链表通过节点存储网络访问记录,具备高效插入、删除操作及节省内存的优势,助力企业实时追踪员工上网行为,提升运营效率并降低安全风险。示例代码展示了如何用C++实现链表记录上网行为,并模拟发送至服务器。链表为公司监控上网软件提供了灵活高效的数据管理方式,但实际开发还需考虑安全性、隐私保护等多方面因素。
23 0
公司监控上网软件架构:基于 C++ 链表算法的数据关联机制探讨
|
1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
|
1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”
|
2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。
66 5
|
2月前
|
存储 算法 测试技术
【C++数据结构——树】二叉树的遍历算法(头歌教学实验平台习题) 【合集】
本任务旨在实现二叉树的遍历,包括先序、中序、后序和层次遍历。首先介绍了二叉树的基本概念与结构定义,并通过C++代码示例展示了如何定义二叉树节点及构建二叉树。接着详细讲解了四种遍历方法的递归实现逻辑,以及层次遍历中队列的应用。最后提供了测试用例和预期输出,确保代码正确性。通过这些内容,帮助读者理解并掌握二叉树遍历的核心思想与实现技巧。
67 2
|
3月前
|
存储 算法 安全
基于红黑树的局域网上网行为控制C++ 算法解析
在当今网络环境中,局域网上网行为控制对企业和学校至关重要。本文探讨了一种基于红黑树数据结构的高效算法,用于管理用户的上网行为,如IP地址、上网时长、访问网站类别和流量使用情况。通过红黑树的自平衡特性,确保了高效的查找、插入和删除操作。文中提供了C++代码示例,展示了如何实现该算法,并强调其在网络管理中的应用价值。
|
2月前
|
存储 算法 安全
基于哈希表的文件共享平台 C++ 算法实现与分析
在数字化时代,文件共享平台不可或缺。本文探讨哈希表在文件共享中的应用,包括原理、优势及C++实现。哈希表通过键值对快速访问文件元数据(如文件名、大小、位置等),查找时间复杂度为O(1),显著提升查找速度和用户体验。代码示例展示了文件上传和搜索功能,实际应用中需解决哈希冲突、动态扩容和线程安全等问题,以优化性能。

热门文章

最新文章