组合问题与动态规划的联系之应用

简介:

一,问题描述

 假设有个机器人坐在 X×Y 网格的最左上角,每次只能向下或者向左移动。最左上角的坐标标记为(0,0),最右下角的坐标为(X,Y)

请问:机器人从(0,0)走到(X,Y)共有多少种走法?其实这个问题与 这篇文章 中提到的问题非常相似。

 

二,问题分析

这个问题一共有三种方式来求解。第一种是使用公式;第二种是使用递归;第三种是使用动态规划

使用递归和动态规划,其实本质上是一致的。都是使用组合原理进行问题分析。

机器人从(0,0)走到(X,Y)一共需要走 X+Y步。其中必须有X步是向下走的(因为最终的横坐标是X)。问题转化为:从X+Y步走法中,选出X步是向下走,一共有多少种选法?这是一个组合问题了。答案是C(X+Y,X)

 

还有另一种理解方式:

由于机器人不能往回走,只能向下或者向左走。因此,将向下走记为 Down,向左走记为Left。问题就转化为{X·Down,  Y·Left}的一个全排列问题。

即:集合{X·Down,  Y·Left}有两个元素,Down和Left。Down一共有X个,Left一共有Y个。

从(0,0)走到(X,Y)就相当于对集合所有的元素进行全排列。由于这是一个“重集合”,故全排列数为 (X+Y)!/X!·Y!

其中,(X+Y)!/X!·Y!  等于 C(X+Y,X)

 

对于(X,Y),一共有两种情况:从(X-1,Y)向下走一步到达(X,Y);从(X,Y-1)向右走一步到达(X,Y)

设steps(X,Y)表示从(0,0)走到(X,Y)一共用的方式数,那么 steps(X,Y)=steps(X-1,Y)+steps(X,Y-1)

初始条件:steps(0,0)=1;steps(x,0)=steps(0,y)=1

因此,就可以代表上面的公式使用递归或者DP求解了。

 

三,代码实现

复制代码
public class Steps {
    
    public static int steps(int x, int y)
    {
        if(x < 0 || y < 0)
            throw new IllegalArgumentException();
        return steps_recur(x, y);
    }
    
    //使用递归来求解
    private static int steps_recur(int x, int y)
    {
        assert x >=0 || y >= 0;
        if(x == 0 || y == 0)
            return 1;
        return steps_recur(x - 1, y) + steps_recur(x, y - 1);
    }
    
    //dp resolve
    public static int steps_dp(int x, int y)
    {
        if(x < 0 || y < 0)
            throw new IllegalArgumentException();
        
        int[][] dp = new int[x + 1][y + 1];
        
        //dp的初始条件
        for(int i = 0; i <= x; i++)
            dp[i][0] = 1;//y==0,说明只能向右走
        for(int i = 0; i <= y; i++)
            dp[0][i] = 1;//x==0,说明只能往下走
        
        //状态方程的实现,for循环从1开始,充分体现了自底向上的思想
        for(int i = 1; i <= x; i++)
        {
            for(int j = 1; j <= y; j++)
            {
                dp[i][j] = dp[i-1][j] + dp[i][j - 1];
            }
        }
        return dp[x][y];
    }

    //使用公式来求解
    public static int steps_factorial(int x, int y){
        if(x < 0 || y < 0)
            throw new IllegalArgumentException();
        return factorial(x + y) / (factorial(x) * factorial(y));
    }
    
    //求n!
    public static int factorial(int n){
        if(n < 0)
            throw new IllegalArgumentException();
        int res = 1;
        for(int i = 1; i <= n; i++)
            res *= i;
        return res;//0!=1
    }
    
    //test
    public static void main(String[] args) {
        int x = 1;
        int y = 5;
        System.out.println("dp solve:" + steps_dp(x, y));
        System.out.println("formula solve:" + steps_factorial(x, y));
        System.out.println("recursive solve:" + steps(x, y));
    }
}
复制代码

 

四,参考资料

 动态规划之Fib数列类问题应用

排列与组合的一些定理(二)

排列与组合的一些定理



本文转自hapjin博客园博客,原文链接:http://www.cnblogs.com/hapjin/p/5699522.html,如需转载请自行联系原作者

相关文章
|
存储 数据安全/隐私保护
忘记被浏览器记住的密码如何找回,如何查看浏览器保存的密码?
现在很多网站都需要注册账号和密码,由于数量众多,每个网站的账号不通用,所有我们经常会用浏览器记录密码功能记住密码,但时间一长就会忘记密码,想换个浏览器登陆或其他原因无法直接查看到密码,下面有2种查看密码的方法仅供参考。
忘记被浏览器记住的密码如何找回,如何查看浏览器保存的密码?
|
测试技术 API 开发工具
在Python中实现安卓手机自动化
在Python中实现安卓手机自动化
1733 0
|
安全 算法 量子技术
密码学系列之十:量子密码
密码学系列之十:量子密码
|
数据处理
详细讲解ArcGIS中栅格计算器常用函数的使用
详细讲解ArcGIS中栅格计算器常用函数的使用
2405 1
|
编解码 定位技术
Google Earth Engine(GEE)——导出后的影像像素不同于原始Landsat影像的分辨率(投影差异)
Google Earth Engine(GEE)——导出后的影像像素不同于原始Landsat影像的分辨率(投影差异)
521 0
|
编解码
Google Earth Engine ——Terra MODIS植被覆盖度(VCF)产品是全球地表植被估计的亚像素级250m分辨率产品
Google Earth Engine ——Terra MODIS植被覆盖度(VCF)产品是全球地表植被估计的亚像素级250m分辨率产品
1039 0
Google Earth Engine ——Terra MODIS植被覆盖度(VCF)产品是全球地表植被估计的亚像素级250m分辨率产品
|
JavaScript Java 云计算
后端开发的演变与未来趋势
在数字化时代的浪潮中,后端开发扮演着至关重要的角色。本文将探讨后端技术的历史演变、当前主流技术和框架、以及面临的挑战和未来的发展趋势。通过深入浅出的方式,为读者揭示后端开发的奥秘,并启发对未来技术的思考。
|
机器学习/深度学习 数据采集 数据可视化
利用Python进行历史数据预测:从入门到实践的两个案例分析
利用Python进行历史数据预测:从入门到实践的两个案例分析
997 1
|
IDE Java Linux
最简单IntelliJ IDEA安装教程(小白也能一次性安装完成)
最简单IntelliJ IDEA安装教程(小白也能一次性安装完成)