算法学习日志2

动态规划

• 首先动态规划是什么,由前面的状态推出后面的状态,这个定义看起来就像一的递归.
• 好像动态规划牛逼的地方就在于,它把一些前面的状态保存下来了,不用想暴力那样重复计算多次.这个如果对一些问题画一个递归树就能体会出来.
• 五部曲:跟carl哥学的dp五部曲(有方法论真的很重要)

1. 搞清楚dp[i]和i的含义.
2. 状态转移方程(递推公式)
3. dp数组初始化
4. 如何遍历dp数组
5. 举几组例子验证

• 今天做的一个例子,后面还会继续总结归纳递归的不同题型,这五天可能都是这个
leetcode:746 使用最小花费爬楼梯

套用一下五部曲:

1. 用dp[i]来表示爬到第i级楼梯的最小花费(最优解)
2. 如果已经爬到了第i-2级,那么爬到第i级需要花费cost[i-2]并且选择爬两层楼梯
   或者已经爬到了第i-1层,那么爬到第i层需要花费cost[i-1]并且选择爬1层楼梯
   此时我们只需比较选择花费较小的那个就行了.
   $$dp[i]=min(dp[i-2]+cost[i-2],dp[i-1]+cost[i-1]);$$
3. $dp[0]=0;dp[1]=0;$
4. 由递推公式确定我们是从前往后遍历
5. 检查,我没检查,当时debug弄了半天,不过不是思路的事情,想递归公式的过程是正面执行的,示例一帮了我很大忙.
   过了!很爽!因为是自己想的.
   

并查集

• p[i] 的含义是,节点 i 所属集合的老大. // 通过老大来给这个集合起一个名字.
• 如果 p[i] = i,那么它 (i) 就是老大
• 代码

int p[N];
int find(int x)
{
	if(p[x]!=x) p[x] = find(p[x]);
	return p[x];
}

//初始化
for(int i = 1;i<N;i++) p[i] = i;

• 易错点:Kruskal算法用并查集写,而不是 “标记法” – 开一个数组,访问过记为1,没访问过记为 0.(标记法已经用实例鉴定为:寄!)

可图性判断(Havel-Hakimi定理)

• 题目描述: 给一个 度 序列, 判断它是否能画出简单无向图
• 我叫他:“哈哈定理”
• 哈哈步骤:
  1. 排序,从高到低
  2. 第一个数为 x , 那么后面x个数-1, 再排序
  3. 反复重复,直到全为零 — OK, 出现负数 — 不能画出简单无向图
• 举例: 5 4 3 2 1
  … 3 2 1 0 — … 3 2 1 0
  … … 1 0 -1 — 出现负数直接return false.
• 代码: (这个是接用CSDN用户"CAPTAIN船长"的代码,我能看懂觉得很好,仅作为个人学习使用)

bool Havel_Hakimi(int arr[]){  
    for(int i=0; i<n-1; ++i)
		{  
			sort(arr+i,arr+n);// 从第i个元素开始非递增排序 
			if(i+arr[i] >= n) return false;//若第i个元素+arr[i]的值超过原数组长度，那么将溢出。
			for(int j=i+1; j<=i+arr[i] ; ++j)
				{  
				--arr[j];  
					if(arr[j] < 0) return false;  
				}  
		}  
    if(arr[n-1]!=0) return false;  
    return true;  
}