当前位置：首页 > news >正文

黄冈网站推广下载网络营销推广的要点

news 2025/7/26 1:36:17

黄冈网站推广下载,网络营销推广的要点,红酒哪个网站做的好,建程网的工程好拿钱吗动态规划的数组压缩技巧 - 机器人走格子问题题目是leetcode62题目原题表示如下一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为 “Start” ）。机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中…

动态规划的数组压缩技巧 - 机器人走格子问题

题目是leetcode62题目原题表示如下

一个机器人位于一个 m x n 网格的左上角（起始点在下图中标记为 “Start” ）。

机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中标记为 “Finish” ）。

问总共有多少条不同的路径？

在这里插入图片描述

递归版本

我们首先来想递归函数的含义它会返回给我们一个int类型的数据这个数据就是我们的最大路径数

我们需要给这个函数我们当前的位置我们需要去到的位置整体函数如下

int _uniquePaths(int x , int y ,int m , int n)

其中 x y 代表我们当前位置的坐标 m n代表要到达位置的坐标

接下来我们想base case

因为这是一个位置限制的棋盘所以说我们要考虑是否会越界的问题即

        if (x > m || y > n){return 0;}

当然当我们的走到finish位置的时候也算是结束了会返回给我们一种路径方法表示如下

        if (x == m && y == n){return 1;}

接下来我们就开始列举各种可能性因为我们这里只能往下或者是往右走所以说一共有两种可能性

我们只需要把这两种可能性所需要的路径和相加就可以了代码表示如下

    int _uniquePaths(int x , int y ,int m , int n){// base caseif (x > m || y > n){return 0;}if (x == m && y == n){return 1;}int p1 = _uniquePaths(x + 1 , y, m,  n);int p2 = _uniquePaths(x, y + 1, m,  n);return p1 + p2;}

动态规划

接下来我们开始动态规划版本的代码改写

首先我们找出一直变化的变量是什么

 int _uniquePaths(int x , int y ,int m , int n)

我们发现递归中一直变化的参数其实只有两个 x 和 y

所以说我们只需要建立一张x和y的二维表就可以

x的格子一共有m个 y的格子一共有n个所以说 x的大小可以设置为 0 ~ m-1 y的大小可以设置为0 ~ n-1

我们要知道的是 x和y可能会越界所以说我们要设置一个pickup函数来从表中选值如果说越界了我们直接返回0即可

   int pickup_dp(int x , int y , int m , int n , vector<vector<int>>& dp){if (x > m || y > n){return 0;}return dp[x][y];}

接下来我们来看base case

        if (x == m && y == n){return 1;}

也就是说当x为最大值 y为最大值的时候此时dp表设置为1

dp[m-1][n-1] = 1;

接下来我们开始找位置依赖关系

        int p1 = _uniquePaths(x + 1 , y, m,  n);int p2 = _uniquePaths(x, y + 1, m,  n);

假设这个格子是表中任意一个图中表示为黑色的格子

在这里插入图片描述
那么依赖的格子就是红色的

根据依赖关系我们可以从右往左从下往上的方式来填写依赖关系代码表示如下

    int dp_uniquePaths(int m , int n , vector<vector<int>>& dp){dp[m-1][n-1] = 1;for (int col = n -1 ; col >= 0 ; col--){for (int row = m -1; row >= 0; row--){if (row == m-1 && col == n-1){continue;}int p1 = pickup_dp(row + 1, col, m, n, dp);int p2 = pickup_dp(row , col + 1,  m,  n, dp);dp[row][col] = p1 + p2; }}return dp[0][0];}

这就是这道题目的动态规划解法

数组压缩技巧

我们可以发现的是其实每个格子都只依赖于该列和它的右边一列那么我们就可以使用两个列来表示整个二维表

也就是二维表转化为一维表节省一定的空间

压缩技巧也很简单只需要一列一列的转化就可以

代码表示如下

class Solution {
public:int pickup_dp(int x , int m , vector<int>& dp){if (x >= m || x < 0){return 0;}return dp[x];}int dp_uniquePaths(int m , int n ){// col1 prev // col2 curvector<int> col1(m , 0);vector<int> col2(m , 0);col1[m-1] = 1;for (int i = 0; i < n ; i++){for(int j = m - 1; j >= 0; j--){col2[j] = pickup_dp(j + 1, m, col2) + col1[j]; }for(int j = m -1 ; j >= 0 ; j--){col1[j] = col2[j];}}return col2[0];}int uniquePaths(int m, int n) {return dp_uniquePaths(m  , n );}
};

我们这里稍微讲解下两列的转化思路

我们设定 col1为前一列 col2为当前列

每次我们修改col2内部的值到最后我们全部修改完毕要到下一列的时候我们更新下col1列的所有值

钱包问题一

我们给定一个数组 arr 数组里面的值表示任意一张面值的钞票

每张钞票代表的值可能相同但是我们认为它们是不同的钞票

现在我们给定一个 val 值请问有多少种组合方案可以让val值为0

递归解法

还是一样我们首先来想函数

它要返回给我们一个组合的最大值所以说我们的返回值要是一个int类型的数值

我们要遍历整个money数组所以说我们需要这个数组和一个index参数来遍历

接着我们需要一个rest参数来记录剩余零钱的数目

整体函数如下

int process(vector<int>& money , int index , int rest)

接下来我们开始想base case

这道题目中有两个变化的量我们首先向有没有可能会因为index而终止递归呢？

当然有如果index越界了那么我们的递归也就终止了

有没有可能因为rest而终止递归呢？

当然有如果剩余零钱的数目为0 我们就终止递归了

  if (rest < 0)    {    return 0;    }    int N = static_cast<int>(money.size());    if (index == N)    {    return rest == 0 ? 1 : 0;    }

接下来开始列举可能性对于这种从左往右的模型来说可能性就是要和不要两种情况

所以说我们直接列出这两种可能性之后想加即可

int process(vector<int>& money , int index , int rest)    
{    if (rest < 0)    {    return 0;    }    int N = static_cast<int>(money.size());    if (index == N)    {    return rest == 0 ? 1 : 0;    }    int p1 = process(money , index + 1 , rest);    int p2 = process(money , index +1 , rest - money[index]);    return p1 + p2;    
}

动态规划

我们首先观察递归函数

int process(vector<int>& money , int index , int rest)

我们可以发现其中变化的变量有 index 和 rest

所以说我们可以围绕着index 和 rest建立一张二维表

index 的大小是 0 ~ index 大小是index + 1

rest 的大小是 0 ~ rest 大小是rest + 1

我们建立完一个二维表之后就可以根据base case填写数据了

根据

 if (index == N)    {    return rest == 0 ? 1 : 0;    }

我们可以得出

 dp[N][0] = 1;

接着我们来看位置依赖关系

在这里插入图片描述

它依赖于下面一行的两个格子

所以说我们从最下面的倒数第二行开始填写数据为了防止越界问题我们再写一个pickup函数

完整代码如下

int dpprocess(vector<int>& money , int rest)    
{    int N = static_cast<int>(money.size());    vector<vector<int>> dp(N + 1 , vector<int>(rest + 1 , 0));    dp[N][0] = 1;    for (int row = N - 1;  row >= 0; row--){    for (int col = 0; col <= rest; col++)    {dp[row][col] = pickupdp(row + 1 , col , dp , N , rest) + pickupdp(row + 1 , col - money[row] , dp , N , rest);}}return dp[0][rest];
}

钱包问题二

我们给定一个数组 arr 数组里面的值表示任意一张面值的钞票 arr内部值不同

每一个arr中的元素代表有无数张钞票

现在我们给定一个 val 值请问有多少种组合方案可以让val值为0

这个问题和问题一的区别就是在问题2中我们的钱包有无数张钞票只是它们的面值不同要我们求解法

递归版本

我们首先来想我们要写什么样的一个递归函数

我们要让这个函数返回一个最大的组合方案所以返回值是一个int类型的数据

而我们要在一个数组中选取数据所以自然而然的想到使用index遍历

最后我们还需要一个rest来表示剩余值整体表示如下

int process(vector<int>& money , int index , int rest)

接着就是想base case 这一步照抄钱包问题一即可

到了列举可能性的这一步就有点意思了

此时的问题就从要不要变为了两个问题

要不要？
要的话要几个

所以说我们的代码也要转变下

  int p1 = process(money , index + 1 , rest);    // how many ? int p2 = 0;    for (int fix = 1 ; fix * money[index] <= rest; fix++)    {    p2 += process(money , index + 1 , rest - fix * money[index]);    }

可能性1就是我们不要这种类型的钞票了

可能性2就是我们要这种类型的钞票一张张枚举知道rest小于0为止

当然我们其实可以让fix从0开始这样就不需要可能性1了

整体代码表示如下

int process(vector<int>& money , int index , int rest)
{if (rest < 0){return 0;}int N = static_cast<int>(money.size());if (index == N){return rest == 0 ? 1 : 0;}int p1 = process(money , index + 1 , rest);    // how many ? int p2 = 0;    for (int fix = 1 ; fix * money[index] <= rest; fix++)    {    p2 += process(money , index + 1 , rest - fix * money[index]);    }    return p1 + p2;    
}

动态规划

我们首先观察递归函数

int process(vector<int>& money , int index , int rest)

我们可以发现变量只有index 和rest

所以我们可以围绕着index和rest来做一张二维表

index 的大小是 0 ~ index 大小是index + 1

rest 的大小是 0 ~ rest 大小是rest + 1

我们建立完一个二维表之后就可以根据base case填写数据了

根据

 if (index == N)    {    return rest == 0 ? 1 : 0;    }

我们可以得出

 dp[N][0] = 1;

接下来我们来看为止依赖关系

在这里插入图片描述

我们可以发现这个位置依赖于下面一行的数据具体的格子数目不确定

所以说我们就可以写出这样子的代码

  for (int row = N - 1; row >= 0; row--)    {    for(int col = 0; col <= rest; col++)    {    int ways = 0;    for (int fix = 0; fix * money[row] <= rest; fix++)    {    ways += pickupdp(row + 1 , col - fix * money[row] , dp , N  , rest );    }    dp[row][col] = ways;                                                                                                        }    }

动态规划优化

我们还是来观察下图

在这里插入图片描述

我们可以发现蓝色格子依赖的红色格子其实只比黑色格子依赖的红色格子少一个

也就是说我们可以这么转化

黑色格子依赖于蓝色格子和它下面的一个红色格子

于是我们的代码就可以这样子改写

int dpprocess(vector<int>& money , int rest)    
{    int N = static_cast<int>(money.size());    vector<vector<int>> dp(N + 1 , vector<int>(rest + 1 , 0));    dp[N][0] = 1;    for (int row = N - 1; row >= 0; row--)    {    for(int col = 0; col <= rest; col++)    {    dp[row][col] = pickupdp(row , col - money[row] , dp , N ,rest) + pickupdp(row + 1 , col , dp , N , rest);                   }    }    return dp[0][rest];    
}