算法基础Day7(动态规划)

文章目录

1.题目

  1. 1137. 第 N 个泰波那契数 - 力扣(LeetCode)
  2. 面试题 08.01. 三步问题 - 力扣(LeetCode)

2.题目解答

1.第N个泰波那契数

题目及题目解析

动态规划算法学习

1.状态表示
  1. 状态表示 是什么

    状态表示值得是dp表里的值的含义

  2. 怎么来的

    1. 题目要求
    2. 经验和题目要求
    3. 分析问题的过程中,发现重复子问题
2.状态转移方程

dp[i]等于什么

例如本题直接给出来了:

3.初始化

本质就是:保证填表不越界,根据状态转移方程进行填表

cpp 复制代码
//创建dp表
vector<int> dp(n+1);
//dp初始化
dp[0]=0,dp[1]=dp[2]=1;
4.填表顺序

为了填写当前状态,所需状态已经计算过了

本题的状态为:从左向右

cpp 复制代码
//填表
for(int i =3;i<=n;i++)
{
    dp[i]=dp[i-1]+dp[i-2]+dp[i-3];
}
5.空间优化

动态规划的空间优化一般都为滚动数组

就是填报的这部分的代码要修改

cpp 复制代码
class Solution {
public:
    int tribonacci(int n) {
        // 处理边界问题
        if (n == 0)
            return 0;

        if (n == 1 || n == 2)
            return 1;

        // 空间优化
        int a = 0, b = 1, c = 1, d = 0;
        // 填表
        for (int i = 3; i <= n; i++) 
        {
            d = a + b + c;
            a = b;
            b = c;
            c = d;
        }
        // 返回
        return d;
    }
};

代码提交

cpp 复制代码
class Solution {
public:
    int tribonacci(int n) {
        //处理边界问题
        if(n==0)
        {
            return  0;
        }
        if(n == 1||n == 2)
        {
            return 1;
        }
        //创建dp表
        vector<int> dp(n+1);
        //dp初始化
        dp[0]=0,dp[1]=dp[2]=1;
        //填表
        for(int i =3;i<=n;i++)
        {
            dp[i]=dp[i-1]+dp[i-2]+dp[i-3];
        }
        //返回
        return dp[n];
    }
};

空间优化

2.三步问题

题目及题目解析

算法学习

这里我们可以找一下这里的规律:

可以发现后面的数和前面的数是为前三个数字之和

所以就可以直接用动态规划进行解决这道题

但是要注意这里没进行一次相加就要对相加的数进行取模

dp[i] = ((dp[i - 1] + dp[i - 2]) % MOD + dp[i - 3]) % MOD

这部分代码如下:

cpp 复制代码
vector<int> dp(n+1);
dp[1] = 1, dp[2] = 2, dp[3] = 4;
for (int i = 4; i <= n; i++) {

    dp[i] = ((dp[i - 1] + dp[i - 2]) % MOD + dp[i - 3]) % MOD;
}
return dp[n];

代码提交

cpp 复制代码
class Solution {
public:
    int waysToStep(int n) {
        const int MOD = 1e9+7;

        if (n == 1 || n == 2) {
            return n;
        }
        if (n == 3) {
            return 4;
        }

        vector<int> dp(n+1);
        dp[1] = 1, dp[2] = 2, dp[3] = 4;
        for (int i = 4; i <= n; i++) {

            dp[i] = ((dp[i - 1] + dp[i - 2]) % MOD + dp[i - 3]) % MOD;
        }
        return dp[n];
    }
};
相关推荐
MicroTech20254 分钟前
微算法科技(NASDAQ:MLGO)开发延迟和隐私感知卷积神经网络分布式推理,助力可靠人工智能系统技术
人工智能·科技·算法
Boop_wu1 小时前
[数据结构] Map和Set
java·数据结构·算法
思考的笛卡尔2 小时前
密码学基础:RSA与AES算法的实现与对比
网络·算法·密码学
格林威8 小时前
常规线扫描镜头有哪些类型?能做什么?
人工智能·深度学习·数码相机·算法·计算机视觉·视觉检测·工业镜头
程序员莫小特10 小时前
老题新解|大整数加法
数据结构·c++·算法
过往入尘土11 小时前
服务端与客户端的简单链接
人工智能·python·算法·pycharm·大模型
zycoder.11 小时前
力扣面试经典150题day1第一题(lc88),第二题(lc27)
算法·leetcode·面试
蒙奇D索大12 小时前
【数据结构】考研数据结构核心考点:二叉排序树(BST)全方位详解与代码实现
数据结构·笔记·学习·考研·算法·改行学it
智驱力人工智能12 小时前
工厂抽烟检测系统 智能化安全管控新方案 加油站吸烟检测技术 吸烟行为智能监测
人工智能·算法·安全·边缘计算·抽烟检测算法·工厂抽烟检测系统·吸烟监测
程序员爱钓鱼13 小时前
Go语言实战案例——进阶与部署篇:编写Makefile自动构建Go项目
后端·算法·go