代码-动态规划

1.动态规划

三角形问题

 1 class Solution(object):
 2     def minimumTotal(self, triangle):
 3         """
 4         :type triangle: List[List[int]]
 5         :rtype: int
 6         """
 7         dp = triangle
 8         length = len(triangle)
 9         for i in range(1,length):
10             for j in range(len(dp[i])):
11                 if j == 0:
12                     dp[i][j] = triangle[i][j] + dp [i-1][j]
13                 elif j == len(dp[i])-1:
14                     dp[i][j] = triangle[i][j] + dp [i-1][j-1]
15                 else:
16                     dp[i][j] = triangle[i][j] + min(dp[i-1][j-1], dp[i-1][j])
17         return min(dp[length-1])

 

转载于:https://www.cnblogs.com/wb-learn/p/11389032.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
打家劫舍是一个经典的动态规划问题。根据引用\[2\]中的解法,我们可以使用动态规划来解决这个问题。假设偷窃房屋的下标范围是\[start, end\],用dp\[i\]表示在下标范围\[start, i\]内可以偷窃到的最高总金额。根据状态转移方程dp\[i\] = max(dp\[i − 2\] + nums\[i\], dp\[i − 1\]),我们可以通过递推得到最终的结果。 在解决这个问题时,我们可以使用滚动数组来降低空间复杂度,只需要存储前两间房屋的最高总金额,将空间复杂度降到O(1)。具体的代码实现可以参考引用\[2\]中的代码。 另外,对于打家劫舍 III这个问题,根据引用\[3\]中的解法,我们可以使用递归的方式来解决。对于每个节点,我们可以选择偷取该节点的钱和其四个孙子节点的钱,或者选择偷取其两个儿子节点的钱,然后比较两种方案的钱数,选择钱数较多的方案作为当前节点能偷取的最大钱数。 具体的代码实现可以参考引用\[3\]中的代码。 综上所述,我们可以使用动态规划来解决打家劫舍问题,具体的解法可以参考引用\[2\]中的代码。对于打家劫舍 III这个问题,可以使用递归的方式来解决,具体的解法可以参考引用\[3\]中的代码。 #### 引用[.reference_title] - *1* *2* *3* [动态规划解决打家劫舍问题](https://blog.csdn.net/p1967914901/article/details/125372599)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值