首页 > 其他分享 >动态规划--选择问题

动态规划--选择问题

时间:2023-08-03 19:44:27浏览次数:37  
标签:return nums -- root int max 动态 规划 dp

1. 路径选择

1.1. House Robber

给一个自然数数组,在不允许相邻取的情况下,求可取的最大和
Input: [1,2,3,1]
Output: 4
取1,3和为4

方法:设定状态dp[n]表示前n项在不能相邻取情况下最大和取法的最大和(结果),要用前面信息表示dp[n]

\[dp[n] = max(value[n]+dp[n-2], dp[n-1]) \]

def rob(self, nums):
    n =  len(nums);
    if n==0: return 0
    if n==1: return nums[0]
    if n==2: return max(nums[0], nums[1])
    dp = [0 for x in range(n)];
    dp[0] = nums[0]
    dp[1] = max(nums[0], nums[1])
    for i in range(2, n):
        dp[i] = max(nums[i]+dp[i-2], dp[i-1])
    return dp[-1]

1.2. House Robber ||

在上题的基础上,输入数组是一个环形的(即最后一个和第一个视为相邻)
Input: [2,3,2]
Output: 3

方法:由于第一个和最后一个相邻,那么有如下两种情况:
1. 取第一个的时候,不能取最后一个,相当于把最后一个从数组中去掉
2. 取最后一个的时候,不能取第一个,相当于把第一个从数组中去掉
这样,问题就简化为上一道题的两种输入的叠加形式
def rob(self, nums):
    if len(nums) == 0: return  0
    if len(nums) == 1: return  nums[0]
    if len(nums) == 2: return  max(nums)
    def getRob(start, stop, nums):
        # 上一题的解法
        n = nums[start: stop + 1]
        dp = [0] * len(n)
        dp[0], dp[1] = n[0], max(n[0], n[1])
        for i in range(2, len(n)):
            dp[i] = max(dp[i - 1], dp[i - 2] + n[i])
        return dp[-1]
    return  max(getRob(0, len(nums) - 2, nums), getRob(1, len(nums) - 1, nums))

1.3. House Robber |||

在第10题基础上,变成二叉树形式了,不能取直接相邻的
Input: [3,2,3,null,3,null,1]
     3
    / \
   2   3
    \   \ 
     3   1
Output: 7 
(3 + 3 + 1 = 7)

方法:跟第10题类似,只是加了个dfs来遍历树,下面给出递归法代码(这种树结构不好用迭代法)
class Solution {
public:
    int rob(TreeNode* root) {
        unordered_map<TreeNode*, int> m;
        return dfs(root, m);
    }
    int dfs(TreeNode *root, unordered_map<TreeNode*, int> &m) {
        if (!root) return 0;
        if (m.count(root)) return m[root];
        int val = 0;
        if (root->left) {
            val += dfs(root->left->left, m) + dfs(root->left->right, m);
        }
        if (root->right) {
            val += dfs(root->right->left, m) + dfs(root->right->right, m);
        }
        val = max(val + root->val, dfs(root->left, m) + dfs(root->right, m));
        m[root] = val;
        return val;
    }
};

2. 集合中能重复选择

2.1. Perfect Squares

Input: n = 13
Output: 2
Explanation: 13 = 4 + 9.
输入一个正整数n, 输出其最少能由几个完全平方数相加组成(完全平方数为1,4,9,16,...)

方法:跟上题类似,设定状态dp[n]为整数n的输出结果,状态转移方程为

\[dp[n] = min(dp[n-s]+1), \ \ s \in 1,4,9,16,... \]

int numSquares(int n) {
    int *dp = new int[n + 1];
    dp[0] = 0;
    for (int i=1; i<=n; i++) {
        int _min = INT_MAX;
        for (int j=1; j*j<=i; j++) {
            _min = min(_min, dp[i-j*j]+1);
        }
        dp[i] = _min;
    }
    delete[]dp;
    return dp[n];
}

2.2. Coin Change

有一些特定面值的货币,如[1,2,5]
现在给定一个价格,如11,最少使用的货币数。
以上输出为3,因为5+5+1=11,如果不能找零输出-1

方法:设定dp[n]为输入为n的结果,状态转移方程为

\[dp[n] = min(dp[n-s]+1), \ \ s \in x[0], x[1], .. \]

代码也基本类似,注意这里不能找零-1的处理方法,代码如下

int coinChange(vector<int>& coins, int amount) {
    const int int_max = 99999999;
    vector<int> dp(amount+1, int_max);
    dp[0] = 0;
    for(int i=1; i<=amount; i++) {
        int _min = int_max;
        for(int j=0; j<coins.size(); j++) {
            if (i-coins[j]>=0)
                _min = min(_min, dp[i-coins[j]]+1);
        }
        dp[i] = _min;
    }
    return dp[amount] == int_max ? -1 : dp[amount];
}

2.3. Combination Sum IV

给一个正整数字典,如[1,2,3],以及一个整数如4
找出整数可被字典元素组成排列组成和的个数,如以上可能组合为
(1, 1, 1, 1)、 (1, 1, 2)、 (1, 2, 1)
(1, 3)、 (2, 1, 1)、 (2, 2)、 (3, 1)
因此输出为7

方法:使用完全背包方法做,代码如下
int combinationSum4(vector<int>& nums, int target) {
    vector<unsigned long long> dp(target+1, 0);
    dp[0] = 1;
    for(int i=1; i<=target; i++) {
        for(int j=0; j<nums.size(); j++) {
            if (i-nums[j]>=0) 
                dp[i] += dp[i-nums[j]];
        }
    }
    return dp[target];
}

3. 集合中不可重复选择

3.1. 0-1背包问题

有两个数组w和v,分别记录物品的重量和价值,如果背包重量不能超过m,求一共能达到的最大的价值

方法:设定状态dp[i][c]表示到i号物体截止做选择,重量限制为c的情况下能达到的最大总价值。
现在需要用一个同向(要么都加要么都减)的状态来表示此状态,转换方程如下

\[dp[i][c] = max(dp[i-1][c], v[i]+dp[i-1][c-w[i]]) \]

const int weight[] = { 2,3,4,5 };
const int value[] = { 3,4,5,6 };
const int n = 4;
const int capacity = 8;

// solve
vector<vector<int>> dp(n, vector<int>(capacity + 1, 0));
for (int i = weight[0]; i <= capacity; i++) dp[0][i] = value[0]; // init
for (int i = 1; i < n; i++) {
    for (int c = 0; c <= capacity; c++) {
        if (c < weight[i]) 
            dp[i][c] = dp[i - 1][c];
        else
            dp[i][c] = max(dp[i - 1][c], dp[i - 1][c - weight[i]] + value[i]);
    }
}
cout << dp[n - 1][capacity] << endl;

// route
int i = n - 1, j = capacity;
while(true) {
    if (i == 0) {
        if (dp[i][j] != 0) cout << i << endl;
        break;
    }
    if (dp[i][j] == dp[i - 1][j]) i--;
    else if (j - weight[i] >= 0 && dp[i][j] == dp[i - 1][j - weight[i]] + value[i]) {
        cout << i << endl;
        j -= weight[i];
        i--;
    }
}

3.2. Partition Equal Subset Sum

判断一个正数数组可不可以被拆分为两个子集,使得他们的和相等
Input: [1, 5, 11, 5]
Output: true
可被拆分为 [1, 5, 5] 和 [11].

方法:判断是否成立等价于,判断这个数组中是否有子集的和为总和的一半,
设定状态dp[i][j]表示,数组前i项中是否存在子集的和为j,现在需要用前向的状态表示dp[i][j],转换关系为

\[dp[i][j] = dp[i-1][j] \ \ || \ \ dp[i-1][j-x[i]] \]

这道题是0-1背包问题的变形,迭代法代码如下

bool canPartition(vector<int>& nums) {
    int sum = accumulate(nums.begin(), nums.end(), 0), target = sum >> 1;
    if (sum & 1) return false;
    if (nums.size()==1) return false;
    vector<vector<bool>> dp(nums.size(), vector<bool>(target+1)); 
    for(int i=0; i<nums.size(); i++) {
        for(int j=0; j<=target; j++) {
            dp[i][j] = false;
            dp[i][0] = true;
        }
    }
    dp[0][nums[0]] = true;
    for(int i=1; i<nums.size(); i++) {
        for (int j=nums[i]; j<=target; j++) {
            dp[i][j] = dp[i-1][j] || dp[i-1][j-nums[i]];
        }
    }
    return dp[nums.size()-1][target];
}

由于上面方法需要开二维数组比较麻烦,下面对其进行优化

bool canPartition(vector<int>& nums) {
    int sum = accumulate(nums.begin(), nums.end(), 0), target = sum >> 1;
    if (sum & 1) return false;
    if (nums.size()==1) return false;
    vector<bool> dp(target+1, false); 
    for(int i=0; i<=target; i++) 
        dp[i] = i == nums[0];
    for(int i=1; i<nums.size(); i++) {
        // 注意,此时下面需要从后往前迭代,因为每一个dp[j]的计算都依赖于前面项
        for (int j=target; j>=nums[i]; j--) {
            dp[j] = dp[j] || dp[j-nums[i]];
        }
    }
    return dp[target];
}

标签:return,nums,--,root,int,max,动态,规划,dp
From: https://www.cnblogs.com/xytpai/p/17604277.html

相关文章

  • Toyota Programming Contest 2023#4(AtCoder Beginner Contest 311)
    Preface补下好久之前打的比赛博客这场前面都写的挺稳的,然后一到G就降智了没写出来A-FirstABC签到#include<cstdio>#include<iostream>#include<utility>#include<vector>#include<cstring>#include<cmath>#include<algorithm>#include<queue>#i......
  • 一次JVM内存溢出的排查经过
    文章目录一、背景二、解决办法三、总结一、背景高峰将至,系统访问量进入高峰期。随之系统出现了异常:java.lang.OutOfMemoryError:unabletocreatenewnativethread。在解决这个问题中,尝试了各种方法,最后竟然是因为它…二、解决办法1、关于这个问题,一开始猜想是因消息队列(acti......
  • Redis从入门到放弃(6):持久化
    文章目录1、引言2、RDB持久化2.1、手动触发2.2、自动触发3、AOF持久化3.1、触发方式3.2、AOF重写4、混合持久化5、RDB与AOF的优缺点对比5.1、RDB5.2、AOF1、引言Redis作为一种高性能的内存数据存储系统,常被用作缓存、会话存储、消息队列等多种应用场景。然而,由于其数据存储在内......
  • Redis从入门到放弃(5):事务
    文章目录1、事务的定义2、事务命令3、事务错误处理4、事务的冲突问题4.1、悲观锁(PessimisticLock)4.2、乐观锁(OptimisticLocking)5、总结:事务三特性1、事务的定义Redis的事务提供了一种“将多个命令打包,然后一次性、按顺序地执行”的机制。redis事务的主要作用就是串联多个命令......
  • Redis从入门到放弃(4):3种新数据类型
    文章目录1、介绍2、Bitmaps(位图)2.1、特性2.2、原理2.3、应用场景2.4、代码3、HyperLogLog(基数统计)3.1、特性3.2、原理3.3、应用场景3.4、代码4、Geospatial(地理位置)4.1、特性4.2、原理4.3、应用场景4.4、代码5、总结1、介绍前面的文章已经介绍了redis的5种基本数据类型,redis6中......
  • Redis从入门到放弃(3):发布与订阅
    文章目录1、介绍2、如何使用发布订阅2.1、订阅频道2.2、发布消息2.3、取消订阅2.4、模式订阅2.5、取消模式订阅3、使用案例(伪代码)4、Redis的发布订阅与ActiveMQ、RocketMQ区别1、介绍Redis是一个快速、开源的内存数据库,支持多种数据结构,如字符串、哈希、列表、集合、有序集合等。......
  • Redis从入门到放弃(1):安装配置
    文章目录1.介绍2.优势3.安装Redis4.后台运行5.配置Redis5.1查看配置项5.2修改配置项5.3参数说明6.错误解决1.介绍Redis是一个高性能的开源key-value数据库。它被广泛应用于缓存、会话存储、实时分析、消息队列等场景。Redis具有以下三个主要特点:数据持久化:Redis支持......
  • 基于GPT搭建私有知识库聊天机器人(四)问答实现
    前文链接:基于GPT搭建私有知识库聊天机器人(一)实现原理基于GPT搭建私有知识库聊天机器人(二)环境安装基于GPT搭建私有知识库聊天机器人(三)向量数据训练在前面的文章中,我们介绍了如何使用GPT模型搭建私有知识库聊天机器人的基本原理、环境安装、数据向量化。本文将进一步介绍如何使用lang......
  • 基于GPT搭建私有知识库聊天机器人(五)函数调用
    文章链接:基于GPT搭建私有知识库聊天机器人(一)实现原理基于GPT搭建私有知识库聊天机器人(二)环境安装基于GPT搭建私有知识库聊天机器人(三)向量数据训练基于GPT搭建私有知识库聊天机器人(四)问答实现OpenAI在6月13日发布了几个重磅更新,其中包括:开放了16k上下文的GPT-3.5-Turbo模型gpt-3.5-t......
  • 基于GPT搭建私有知识库聊天机器人(六)仿chatGPT打字机效果
    文章链接:基于GPT搭建私有知识库聊天机器人(一)实现原理基于GPT搭建私有知识库聊天机器人(二)环境安装基于GPT搭建私有知识库聊天机器人(三)向量数据训练基于GPT搭建私有知识库聊天机器人(四)问答实现基于GPT搭建私有知识库聊天机器人(五)函数调用在前几篇文章中,我们已经了解了如何使用GPT模......