(蓝桥杯C/C++)——动态规划(DP)

embedded/2024/11/17 21:20:30/

目录

一、线性DP

1.DP(动态规划)简介

2.动态规划的分析步骤

3.例题讲解

二、二维DP

1.二维DP简介

2.选数异或

三、最长上升子序列LIS

1.LIS简介

2.例题讲解

四、最长公共子序列LCS

1.最长公共子序列

2.最长公共子序列

2.求出具体子序列

一、线性DP

1.DP(动态规划)简介

DP(动态规划)全称DynamicProgramming，是运筹学的一个分支，是一种将复杂问题分解成很多重叠的子问题，并通过子问题的解得到整个问题的解的算法。

在动态规划中有一些概念:
状态:就是形如dp[il[il=val的取值，其中i，i为下标，也是用于描述、确定状态所需的变量,val为状态值。
状态转移:状态与状态之间的转移关系，一般可以表示为一个数学表达式，转移方向决迭代或递归方向。
最终状态:也就是题目所求的状态，最后的答案。

2.动态规划的分析步骤

1.确定状态，一般为“到第i个为止，xx为j(xx为k)的方案数/最小代价/最大价值”，可以根据数据范围和复杂度来推理。

2.确定状态转移方程，即从已知状态得到新状态的方法，并确保按照这个方向一定可以正确躾渥黨瘛得到最终状态。
根据状态转移的方向来决定使用迭代法还是递归法(记忆化)

3.确定最终状态并输出。

3.例题讲解

破损的楼梯
问题描述
小孟来到了一座高耸的楼梯前，楼梯共有N级台阶，从第0级台阶出发。小孟每次可以迈上1级或2级台阶，但是，楼梯上的a级、第02级、第 a1级，以此奔推。共 M 级台阶的台阶面已经坏了，不能上去。
现在，小孟想要到达楼梯的顶端，也就是第N级台阶，但他不能踩到坏了的台阶上。请问有多少种不踩到坏了的台阶上到达顶端的方案数?
由于方案数很大，请输出其对1e9+7取模的结果

例题分析

设状态dp[i]表示走到第i级台阶的方案数。
状态转移方程为dp[i]=dp[i-1]+dp[i-2]，如
果i为破损的，则dp[il=0。
可以用一个桶来记录哪些位置是破损的。
从前往后更新，最后输出dp[n]。

#include<bits/sldc++.h>
using namespace std;

const int N = 1e5+10,mod - 1e9+7;

int n，m，x，f[N]，vis[N];

signed main()

{

     cin >> n >> m;

     for(int i=l;i<=m;i ++)

      {

        cin >> x;

        vis[x]= 1;

}
f[0]= 1;

for(int i - 1;i < -n; i++)

     {

        if(vis[i])

         continue;

         fi]-f[i -1+f[i - 2];

         f[i] %= mod;

  }
cout << f[n] << '\n';

return 0;

}

二、二维DP

1.二维DP简介

二维DP就是指dp数组的维度为二维的dp(当然有时候可能会三维四维，或者存在一些优化使得它降维成一维)，广义的来讲就是有多个维度的dp，即用于描述dp状态的变量不止一个。

2.选数异或

给定n个正整数a[i]，询问你其中有多少个不同子序列进行异或运算的值为x?
由于结果很大，你需要对998244353取模

异或运算:位远算的一种，符号为由，1^1=0,1^0=1,0^0=0.

子序列: 从切始序列中选出若于个数保持原有顺序的序列，

例题分析

设状态dp[i][j]表示到第i个数字为止(但不一定以第i个数字结尾)，异或和为i的子序列个数。

对于第i层的状态，转移的方式有“选第i个”和“不选第i个”两种，转移方程为dp[i][j]= dp[i][j] + dp[i - 1]j ^ dp[i-1[j ^ a]]。
最后结果就是dp[n][x]。

#include<bits/sldc++.h>
using namespace std;

using ll = long long;

const int N = 1e5+9;

const ll p = 998244353;

int a[N]，dp[N][70];


int main()

{
    int n, x; cin >> n >> x;

   dp [0] [0 = 1;

   for(int i = 1; i <= n; ++ i)

    {

      for(int j = 0; j < 64; ++j)

       {
         dp[i][j] = (dp[i-1][j] + dp[i-1][j ^ a[i]]) % p;

        }

     }
cout << dp[n][m] << '\n';

return 0;

}

三、最长上升子序列LIS

1.LIS简介

LIS(最长上升子序列)是一个经典的DP模型。
子序列指的是一个序列中，按照原顺序选出若干个不一定连续的元素所组成的序列。这节课我们讲解O(n^2)时间复杂度的朴素LIS模型，LIS还有一种利用二分实现的O(nlogn)时间复杂度的模型，大家可以自行去学习，理解起来略有难度。在求解LIS时，一般我们会设dp[i]表示1~i序列中以a[i]结尾的最长上升子序列的长度，状态转移方程为:
dp[i]= max(dp[j] + 1),

if a[i]> a[j]
表示a[i]要插入到不同子序列后面的情况。

a13425372
dp12324352

2.例题讲解

小明是蓝桥王国的勇士，他晋升为蓝桥骑士，于是决定不断突破自我
这天蓝桥首席骑士长给他安排了 N 个对手，他们的战力值分别为….a1,a2,···an,且按顺序挡在小明的前方，对于这些对手小明可以选择单挑也可以选择群战
作为热血豪放的勇士，小明从不走回头路，且只愿意挑战战力值越来越强的对手
请你算算小明最多会挑战多少名对手

#include<bits/sldc++.h>
using namespace std;

const int N = 1e3+9;

int a[N]，dp[N];

int main()

{

  int n;

  cin >> n;

 for(int i = 1;i <= n; ++i)

 cin >> a[i];

    for(int i = 1;i <= n; ++i)

    {

        dp[i] = 1;

         for(int j =1;j < i; ++j)

         {

           if(a[i] > a[j])

            dp[i] = max(dp[i], dp[j] + 1);

          }

    }

   int ans = 0;

   for (int i =1;i < n; ++i)

    ans = max(ans, dp[i]);

    cout << ans << '\n'；

   return 0；

}

四、最长公共子序列LCS

1.最长公共子序列

LCS(Longest Common Subsequence 最长公共子序列)是一个经典的DP模型。
这节课我们讲解O(n^2)时间复杂度的LCS模型。
LCS问题是给定两个序列A和B，求它们的最长公共子序列。

在求解LCS时，一般我们会设dp[i][j]表示A[1~i]序列和B[1~j]序列中(不规定结尾)的最长公共子序列的长度，状态转移方程为:
if ali]=b[j]:dp{i][j]= dp{i-1][j-1]+1
else dp[i][j]= max(dp[i-1][jl, dp[i][j-1]);

解释一下:当ali]=b[j]时，可以将他们作为插入到LCS的后面，使得长度变长1，当a[i]!=b[说明此时LCS不会延长，那就要从dp[i-1][j]和dp[i][j-1]中取大的作为最长的长度。

a13425
b14352

dp12345
11111
211222
312222
412223
512233

132

2.最长公共子序列

给定一个长度为 N 数组 a 和一个长度为 M 的数组 b

请你求出它们的最长公共子序列长度为多少。

例题分析

设dp[i][j]表示序列a[1~i],b[1~j]中最长公共子序列长度,

状态转移方程为:

if ali]=b[j]:dp[i][j] = dp[i-1][j-1]+1
else: dp|i][j]= max(dp[i-1][j], dp[i][j-1]);最后输出dpln]lm]即可。

#include <bits/stdc+.h>
using namespace std;

const int N = 1e3+9,

int n, m,a[N], b[N], dp[M][N];

int main()

{

    int n, m;

    cin >> n >> m;

    for(int i = 1;i <= n; ++i)

    cin >> a[i];
    for(int i= 1; j<= m; ++i)

    cin >> b[i];

   for(int i = 1;i <= n; ++i)

      for(int j = 1; j <= n; ++j)

      {

              if(a[i] == b[j])

                      dp[i][j] = dp[i - 1][j - 1] + 1;

               else dp[i][j] = max(dp[i - 1][j],dp[i ][j - 1]);

        }

   cout << dp[n][m] << '\n';

   return 0;

} 

   

2.求出具体子序列

a13425
b14352

dp12345
11111
211222
312222
412223
512233

132

(i,j)从(n,m)往回走，当a[i]=b[j]时，往左上角走变为(i-1,j-1)，此时找到了一个公共元素a[i](或blj])，否则往左边或上边走(选择较大的方向)。

走到新位置后重复以上判断，直到走出边界

#include <bits/stdc+.h>
using namespace std;
using ll = long long;
const ll p= 1e9 + 7;
const int int = 1e9, N = 1e3 + 9;
int a[N], b[N], dp[N][N];
int main()

{
     int n, m;

     cin >> n >>m;

     for(int i = 1; i <= n; ++i)

     cin >> a[i];

      for(int i = 1; i <= m; ++i)

    cin >> b[i];

     for(int i = 1; i <= n; ++i)

     {
          for(int j= 1; j<= m; ++ j)

           {

             if(a[i] == b[j])

              dp[i][j] = dp[i - 1][j - 1] + 1;

              else dp[i][j] = max(dp[i][j-1],dp[i - 1][j]);

              }

    }

   vector<int> v;

   int x = n, y = n;

   while(x && y)

   {

       if(a[x] == b[y])

        {

            v.push_back(a[x]);

             x --, y--;

         }

          else (dp[x - 1][y] > dp[x][y - 1])

        x --;

         else y--;

  }

reverse(v.begin(),v.end());

 for(const auto &i : v)

 cout << i << ' ';

 return 0;

}


http://www.ppmy.cn/embedded/138071.html

相关文章

动态规划-背包问题——1049.最后一块石头的重量II

动态规划-背包问题——1049.最后一块石头的重量II

1.题目解析 题目来源 1049.最后一块石头的重量II——力扣 测试用例 2.算法原理 首先需要将该问题转化为0-1背包问题后再做分析 1.状态表示 根据数学中的知识我们知道将一个数字分为两个子数后求这两个子数的最小差值&#xff0c;那么就要求这两个子数尽可能接近于原数字的一…
阅读更多...
【RabbitMQ】09-取消超时订单

【RabbitMQ】09-取消超时订单

生产者完成创建订单和扣减库存之后&#xff0c;发送消息到延迟队列。 // 3.清理购物车商品cartClient.deleteCartItemByIds(itemIds);// cartService.removeByItemIds(itemIds);// 4.扣减库存try {itemClient.deductStock(detailDTOS);//itemService.deductStock(detailDTOS);…
阅读更多...
解决Jenkins使用 Git 参数插件拉取 commit 列表缓慢问题

解决Jenkins使用 Git 参数插件拉取 commit 列表缓慢问题

Jenkins使用 Git 参数插件拉取 commit 列表缓慢问题 项目问题问题描述解决方案具体实现 项目问题 在 Jenkins 中使用 Git 参数插件 进行参数化构建&#xff0c;具有多方面的重要性和好处。这不仅提高了构建的灵活性和透明度&#xff0c;还能大大提升开发和运维效率。以下是使用…
阅读更多...
thinkphp route 配置 示例

thinkphp route 配置 示例

在 ThinkPHP 中&#xff0c;路由配置允许你将 URL 请求映射到指定的控制器和方法。路由配置文件一般位于 application/route.php 中&#xff0c;下面是一些常见的路由配置示例。 1. 基本路由配置 最基本的路由配置方式是将 URL 路径映射到指定的控制器方法。 use think\faca…
阅读更多...
前端开发迈向全栈之路：规划与技能

前端开发迈向全栈之路：规划与技能

一、前端开发与全栈开发的差异 前端开发主要负责构建和实现网页、Web 应用程序和移动应用的用户界面。其工作重点在于网页设计和布局&#xff0c;使用 HTML 和 CSS 技术定义页面的结构、样式和布局&#xff0c;同时运用前端框架和库如 React、Angular 或 Vue.js 等构建交互式和…
阅读更多...
0x00基础算法 -- 0x05 排序

0x00基础算法 -- 0x05 排序

1、离散化 排序算法的第一个应用&#xff1a;离散化。 “离散化”就是把无穷大&#xff08;无限&#xff09;的集合中的若干个&#xff08;有限&#xff09;元素映射为有限集合以便于统计的方法。 例如&#xff1a;问题的范围定义在整数集合&#xff0c;但是只涉及其中m个有限的…
阅读更多...
Android OpenGLES2.0开发（八）：Camera预览

Android OpenGLES2.0开发（八）：Camera预览

严以律己&#xff0c;宽以待人 引言 终于到该章节了&#xff0c;还记得Android OpenGLES2.0开发&#xff08;一&#xff09;&#xff1a;艰难的开始章节说的吗&#xff1f;写这个系列的初衷就是因为每次用到GLSurfaceViewCamera预览时&#xff0c;总是CtrlC、CtrlV从来没有研究…
阅读更多...
Halcon 3D平面度

Halcon 3D平面度

平面度是对表面形状的一种度量&#xff0c;用于指示该表面上的所有点是否都在同一个平面上。平面度在几何尺寸和公差&#xff08;GD&T&#xff09;中用平行四边形表示&#xff0c;当两个表面必须装配在一起形成紧密密封时&#xff0c;平面度就特别有用。 使用平面度公差是…
阅读更多...
最新文章

Copyright @ 2022~2023