leetcode-python动态规划题入门

简介: 关于动态规划,提到这个词,可能很多刷过题的测试都会感到头疼,这个难度真的是高出其他题型至少半个次元,我也不例外,要不是其他题型基本都刷光了,也不会来啃动态的题。

周六,一个简单的早上我简单的做了一道简单难度的动态规划题,这给大家简单说说,诸如上台阶的多种方法,股票买入的最佳机会,黑瞎子掰苞米的最佳收手时间,打家劫舍的 经典题型,这次的题也差不多。微信图片_20220615125937.png相信题意很简单,栅栏的柱子数 和 涂料数 都给你,让你求出一共多少种图的方法,其中有个条件,就是同一种颜色的柱子最多只能2个。也就是说 你可以:黄黄红,但是不可以黄黄黄。

针对这道题,我们可能一开始没啥思路,这里教一个小技巧,先把影响咱思维的条件删掉,看看有啥思路。也就是说,我们去掉同一种颜色柱子最多只能2根的这个设定。来考虑,那么就简单了。排列组合嘛。

假设5个柱子,3个颜色。那么每个柱子都可以涂3种情况,一共5根。那最终结果所有情况就是:3*3*3*3*3  = 3的5次方。很简单就有了主体思路,然后再加上限制条件,就是不能涂超过2根一样颜色的设定。假设只有1根 ,那么简单了。就是 3种颜色 3种结果假设只有2根,那么因为不触碰到设定最多2根所以也简单。就是3*3种结果假设有3根,这个时候才开始要考虑。前俩根的所有情况一共是 3*3 种,那么第三根呢?它有几种可以涂的情况呢?它可以这么考虑,要么只要不和第二根颜色相同,要么不和第一根颜色相同,这俩种情况都铁定不会触犯限制。不管你颜色一不一样,反正第三根满足不和第一根 或 第二根相同就好。现在让我们来看下一共的可能情况:

三根柱子:A B C

三种颜色:红 黄 蓝

A   B  C

红 红  (黄/蓝)

红 黄  (红/黄/蓝)

红 蓝  (红/黄/蓝)

黄 红  (红/黄/蓝)

黄 黄  (红/蓝)

黄 蓝  (红/黄/蓝)

蓝 红  (红/黄/蓝)

蓝 黄  (红/黄/蓝)

蓝 蓝  (红/黄)

所以结果很明显了。我们要么可以用加法观念,要么用减法观念:

3根柱子的最终结果=加法规律: 只有1根时的总结果数 * (颜色数-1)+只有2根时的总结果数*(颜色数-1)

减法规律:

3根无视规则的总结果数 - 颜色数 (不符合动态规划题意,抛弃)

给大家看一下加法观念的 代码:微信图片_20220615130206.png

这里 对 n 柱子数=0 / 1 /2 的时候 直接写死了返回值。

把最终所有的情况放进了 列表dp中(为啥叫dp?别问,大佬们都这么写)

最后返回dp最后一个元素就是最终结果了。


关于动态规划的窍门:

动态规划必然有一个列表存放 最终不同阶梯的最终结果。记住,每个结果,都是由前面最贴近的n个结果 演化出来的。也就是说你想知道 10个柱子有多少结果,你就必须知道8个柱子的结果 和9个柱子的结果。你想知道 8个柱子的结果,你就必须知道 6个柱子和7个柱子的结果。依次往前逆推,推到第一二个结果为止,这最开始的结果,你一定是闭眼睛都能知道的答案,这就是动态规划的主体思维。具体往前要推算多少种,那要看题,本题中说不能三根柱子一个颜色,那么就是需要考虑前面2个柱子。如果说不能五个一个颜色,那么你就要考虑前面4个柱子了。

如果能理解我上述所说的技巧。那么恭喜你,那些个bat等一线大厂的测试开发面试算法题,难度最复杂的题目中之一的动态规划,你可以无忧了。

所谓算法,其实考的不是你的代码水平,而是脑筋急转弯,看你灵活不灵活,对于我们普通人来说,天下算法就这么几十种题型,每种的核心解决思路我全背下来,不怕去不了bat大厂当测开。


相关文章
|
27天前
|
API 数据安全/隐私保护 开发者
Python自定义异常:从入门到实践的轻松指南
在Python开发中,自定义异常能提升错误处理的精准度与代码可维护性。本文通过银行系统、电商库存等实例,详解如何创建和使用自定义异常,涵盖异常基础、进阶技巧、最佳实践与真实场景应用,助你写出更专业、易调试的代码。
58 0
|
29天前
|
IDE 开发工具 数据安全/隐私保护
Python循环嵌套:从入门到实战的完整指南
循环嵌套是Python中处理多维数据和复杂逻辑的重要工具。本文通过实例讲解嵌套循环的基本用法、常见组合、性能优化技巧及实战应用,帮助开发者掌握其核心思想,避免常见错误,并探索替代方案与进阶方向。
76 0
|
3月前
|
Python
Python字符串格式化利器:f-strings入门指南
Python字符串格式化利器:f-strings入门指南
167 80
|
30天前
|
监控 Linux 数据安全/隐私保护
Python实现Word转PDF全攻略:从入门到实战
在数字化办公中,Python实现Word转PDF自动化,可大幅提升处理效率,解决格式兼容问题。本文详解五种主流方案,包括跨平台的docx2pdf、Windows原生的pywin32、服务器部署首选的LibreOffice命令行、企业级的Aspose.Words,以及轻量级的python-docx+pdfkit组合。每种方案均提供核心代码与适用场景,并涵盖中文字体处理、表格优化、批量进度监控等实用技巧,助力高效办公自动化。
226 0
|
2月前
|
数据采集 分布式计算 大数据
不会Python,还敢说搞大数据?一文带你入门大数据编程的“硬核”真相
不会Python,还敢说搞大数据?一文带你入门大数据编程的“硬核”真相
71 1
|
3月前
|
NoSQL MongoDB 开发者
Python与MongoDB的亲密接触:从入门到实战的代码指南
本文详细介绍了Python与MongoDB结合使用的实战技巧,涵盖环境搭建、连接管理、CRUD操作、高级查询、索引优化、事务处理及性能调优等内容。通过15个代码片段,从基础到进阶逐步解析,帮助开发者掌握这对黄金组合的核心技能。内容包括文档结构设计、批量操作优化、聚合管道应用等实用场景,适合希望高效处理非结构化数据的开发者学习参考。
181 0
|
4月前
|
数据管理 开发者 Python
揭秘Python的__init__.py:从入门到精通的包管理艺术
__init__.py是Python包管理中的核心文件,既是包的身份标识,也是模块化设计的关键。本文从其历史演进、核心功能(如初始化、模块曝光控制和延迟加载)、高级应用场景(如兼容性适配、类型提示和插件架构)到最佳实践与常见陷阱,全面解析了__init__.py的作用与使用技巧。通过合理设计,开发者可构建优雅高效的包结构,助力Python代码质量提升。
351 10
|
5月前
|
存储 算法 数据可视化
【二叉树遍历入门:从中序遍历到层序与右视图】【LeetCode 热题100】94:二叉树的中序遍历、102:二叉树的层序遍历、199:二叉树的右视图(详细解析)(Go语言版)
本文详细解析了二叉树的三种经典遍历方式:中序遍历(94题)、层序遍历(102题)和右视图(199题)。通过递归与迭代实现中序遍历,深入理解深度优先搜索(DFS);借助队列完成层序遍历和右视图,掌握广度优先搜索(BFS)。文章对比DFS与BFS的思维方式,总结不同遍历的应用场景,为后续构造树结构奠定基础。
239 10
|
5月前
|
机器学习/深度学习 算法 Go
【LeetCode 热题100】139:单词拆分(动态规划全解析+细节陷阱)(Go语言版)
本题是 LeetCode 热题 139:单词拆分(Word Break),需判断字符串 `s` 是否能由字典 `wordDict` 中的单词拼接而成。通过动态规划(DP)或记忆化搜索解决。DP 中定义布尔数组 `dp[i]` 表示前 `i` 个字符是否可拆分,状态转移方程为:若存在 `j` 使 `dp[j]=true` 且 `s[j:i]` 在字典中,则 `dp[i]=true`。初始条件 `dp[0]=true`。代码实现中用哈希集合优化查找效率。记忆化搜索则从起始位置递归尝试所有切割点。两种方法各有利弊,DP 更适合面试场景。思考扩展包括输出所有拆分方式及使用 Trie 优化大字典查找。
122 6

热门文章

最新文章

推荐镜像

更多