【算法刷题】—7.9动态规划,游戏跳跃,分解质因数

简介: ✨今日算法三题1.使用最小花费爬楼梯2.跳跃游戏3.只有两个键的键盘

✨今日算法三题


1.使用最小花费爬楼梯

2.跳跃游戏

3.只有两个键的键盘


文章目录


1.使用最小花费爬楼梯


题目描述

思路详解


看到这道题,突然觉得和前缀和有些相似,如果我们用一个数组sum[i]来表示到达第i阶需要的花费,每次都取最小,那么到达第i阶的最小消费就是sum[i]。

注意,有个小细节,阶数与数组小标的相互对应要时刻注意。比如第i阶,数组小标为i-1哦。每当做算法题的时候都要考虑对应问题。

看到题中一次可以上一阶或者两阶,那么sum[i]=min(sum[i−1]+cost[i−1],dp[i−2]+cost[i−2])


代码与结果

class Solution {
    public int minCostClimbingStairs(int[] cost) {
        int n = cost.length;
        int prev = 0, curr = 0;
        for (int i = 2; i <= n; i++) {
            int next = Math.min(curr + cost[i - 1], prev + cost[i - 2]);
            prev = curr;
            curr = next;
        }
        return curr;
    }
}


跳跃游戏


题目描述

思路详解


这个题就比较有意思了,好像桌游大富翁,我还挺厉害的,哈哈哈哈,,,直接开干。

仔细看题可得知,数组中的值表示最大跳跃长度,那么我们遍历数组每次都保存当前位置可以到达的最大长度(当前位置下标+数组中的数值),如果有某一次保存的最大可到达长度大于数组长度就表示可以用几次跳跃到达最后。


代码与结果

public class Solution {
    public boolean canJump(int[] nums) {
        int n = nums.length;
        int rightmost = 0;
        for (int i = 0; i < n; ++i) {
            if (i <= rightmost) {
                rightmost = Math.max(rightmost, i + nums[i]);
                if (rightmost >= n - 1) {
                    return true;
                }
            }
        }
        return false;
    }
}


只有两个键的键盘


题目描述

思路详解


这个题就比较不容易了,这里采用分解质因数的方法。

设 f[i]表示打印出 ii个 A 的最少操作次数。由于我们只能使用「复制全部」和「粘贴」两种操作,那么要想得到 i 个 A,我们必须首先拥有 j 个 A,使用一次「复制全部」操作,再使用若干次「粘贴」操作得到 i 个A。

那么我们直接对n进行质因数分解,每次保存i表示复制全部次数,最后剩下的不能分解的表示粘贴次数。


代码与结果

class Solution {
    public int minSteps(int n) {
        int ans = 0;
        for (int i = 2; i * i <= n; ++i) {
            while (n % i == 0) {
                n /= i;
                ans += i;
            }
        }
        if (n > 1) {
            ans += n;
        }
        return ans;
    }
}

✨总结


今天的题都考察到了数学知识的运用,对于算法来说,数学也很重要。加油!!!

相关文章
|
3月前
|
机器学习/深度学习 存储 算法
动态规划算法深度解析:0-1背包问题
0-1背包问题是经典的组合优化问题,目标是在给定物品重量和价值及背包容量限制下,选取物品使得总价值最大化且每个物品仅能被选一次。该问题通常采用动态规划方法解决,通过构建二维状态表dp[i][j]记录前i个物品在容量j时的最大价值,利用状态转移方程避免重复计算子问题,从而高效求解最优解。
536 1
|
10月前
|
存储 算法 Java
算法系列之动态规划
动态规划(Dynamic Programming,简称DP)是一种用于解决复杂问题的算法设计技术。它通过将问题分解为更小的子问题,并存储这些子问题的解来避免重复计算,从而提高算法的效率。
417 4
算法系列之动态规划
|
11月前
|
算法 Java C++
【潜意识Java】蓝桥杯算法有关的动态规划求解背包问题
本文介绍了经典的0/1背包问题及其动态规划解法。
397 5
|
10月前
|
算法 安全 调度
【动态规划篇】穿越算法迷雾:约瑟夫环问题的奇幻密码
【动态规划篇】穿越算法迷雾:约瑟夫环问题的奇幻密码
|
10月前
|
机器学习/深度学习 算法 测试技术
【动态规划篇】01 背包的逆袭:如何用算法装满你的 “财富背包”
【动态规划篇】01 背包的逆袭:如何用算法装满你的 “财富背包”
|
2月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
276 0
|
2月前
|
数据采集 分布式计算 并行计算
mRMR算法实现特征选择-MATLAB
mRMR算法实现特征选择-MATLAB
208 2
|
3月前
|
传感器 机器学习/深度学习 编解码
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
226 3
|
2月前
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
179 8
|
2月前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
189 8

热门文章

最新文章