动态规划相关面试算法题总结

最新推荐文章于 2024-02-24 21:36:35 发布
最新推荐文章于 2024-02-24 21:36:35 发布
阅读量1.1k 收藏 7
点赞数
分类专栏： 算法与数据结构 文章标签： 动态规划 算法 c++
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/guihunkun/article/details/109537598
版权

文章目录

前言

动态规划是编程面试中的热门话题，如果面试题是求解一个问题的最优解(通常是求最大值或者最小值)，而且该问题能够分解成若干个子问题，并且子问题之间还有重叠的更小的子问题，就可以考虑用动态规划的方法来求解这个问题。

关键名词：
(1) 无后效性：即“未来与过去无关”。(严格定义：如果给定某一阶段的状态，则在这一阶段以后过程的发展不受这阶段以前各段状态的影响。)
(2) 最优子结构性质：即大问题的最优解可以由小问题的最优解推出。

如何判断一个问题能否使用DP解决：能将大问题拆成几个小问题，且满足无后效性、最优子结构性质。

DP的核心思想：尽量缩小可能解空间。

算法题

1. LeetCode 64 : 最小路径和

LeetCode 64

给定一个包含非负整数的 m x n 网格，请找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。
说明：每次只能向下或者向右移动一步。
示例:
输入:
[
[1,3,1],
[1,5,1],
[4,2,1]
]
输出: 7
解释: 因为路径 1→3→1→1→1 的总和最小。

/*
 * 1
 * LeetCode 64 : 最小路径和
 * https://leetcode-cn.com/problems/minimum-path-sum/
 */
int minPathSum(vector<vector<int>>& grid)
{
    int m = grid.size();
    int n = grid[0].size();
    vector<vector<int> > dp(m,vector<int>(n,0));
    dp[0][0] = grid[0][0];
    for(int i = 1; i < m; i++)
        dp[i][0] = dp[i-1][0] + grid[i][0];
    for(int j = 1; j < n; j++)
        dp[0][j] = dp[0][j-1] + grid[0][j];
    for(int i = 1; i < m; i++)
        for(int j = 1; j < n; j++)
            dp[i][j] = min(dp[i-1][j], dp[i][j-1]) + grid[i][j];
    return dp[m-1][n-1];
}

2. LeetCode 53 : 最大子序和

LeetCode 53

给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。
示例:
输入: [-2,1,-3,4,-1,2,1,-5,4]
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大，为 6。
进阶:
如果你已经实现复杂度为 O(n) 的解法，尝试使用更为精妙的分治法求解。

/*
 * 2
 * LeetCode 53 : 最大子序和
 * https://leetcode-cn.com/problems/maximum-subarray/
 */
int maxSubArray(vector<int> &nums)
{
#if 0
    //dp[i]表示nums中以nums[i]结尾的最大子序和
    if(nums.empty())
    {
        return -1;
    }
    vector<int> dp(nums.size());
    dp[0] = nums[0];
    int res = nums[0];
    for (int i = 1; i < nums.size(); i++)
    {
        dp[i] = max(dp[i - 1] + nums[i], nums[i]);
        res = max(res, dp[i]);
    }
    return res;
#endif
#if 1
    // 因为dp[i]只与dp[i-1]有关，所以可以只用只用一个变量 pre 来维护对于当前dp[i]的dp[i-1]的值是多少
    if(nums.empty())
    {
        return -1;
    }
    int pre = nums[0];
    int res = nums[0];
    for (int i = 1; i < nums.size(); i++)
    {
        pre = max(pre + nums[i], nums[i]);
        res = max(res, pre);
    }
    return res;
#endif
}

3. LeetCode 198 : 打家劫舍

LeetCode 198

你是一个专业的小偷，计划偷窃沿街的房屋。每间房内都藏有一定的现金，影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统，如果两间相邻的房屋在同一晚上被小偷闯入，系统会自动报警。
给定一个代表每个房屋存放金额的非负整数数组，计算你 不触动警报装置的情况下 ，一夜之内能够偷窃到的最高金额。
示例 1：
输入：[1,2,3,1]
输出：4
解释：偷窃 1 号房屋 (金额 = 1) ，然后偷窃 3 号房屋 (金额 = 3)。
偷窃到的最高金额 = 1 + 3 = 4 。
示例 2：
输入：[2,7,9,3,1]
输出：12
解释：偷窃 1 号房屋 (金额 = 2), 偷窃 3 号房屋 (金额 = 9)，接着偷窃 5 号房屋 (金额 = 1)。
偷窃到的最高金额 = 2 + 9 + 1 = 12 。
提示：
0 <= nums.length <= 100
0 <= nums[i] <= 400

/*
 * 3
 * LeetCode 198 : 打家劫舍
 * https://leetcode-cn.com/problems/house-robber/
 */
int rob(vector<int>& nums)
{
    /*
     * dp[i] 表示前 i 间房屋能偷窃到的最高总金额
     * dp[i] = max(dp[i−2]+nums[i], dp[i−1])
     * dp[0]=nums[0]                只有一间房屋，则偷窃该房屋
     * dp[1]=max(nums[0],nums[1])   只有两间房屋，选择其中金额较高的房屋进行偷窃
     */
    if(nums.empty())
        return 0;
    if(nums.size() == 1)
    {
        return nums[0];
    }
    vector<int> dp(nums.size(), -1);
    //memo[i]表示抢劫nume[0,....i]所能获得的最大收益
    dp[0] = nums[0];
    dp[1] = max(nums[0], nums[1]);
    for(int i = 2; i < nums.size(); i++)
    {
        dp[i] = max(dp[i-2]+nums[i], dp[i-1]);
    }
    return dp[nums.size()-1];
}

4. LeetCode 213 : 打家劫舍 II

LeetCode 213

你是一个专业的小偷，计划偷窃沿街的房屋，每间房内都藏有一定的现金。这个地方所有的房屋都 围成一圈 ，这意味着第一个房屋和最后一个房屋是紧挨着的。同时，相邻的房屋装有相互连通的防盗系统，如果两间相邻的房屋在同一晚上被小偷闯入，系统会自动报警 。
给定一个代表每个房屋存放金额的非负整数数组，计算你 在不触动警报装置的情况下 ，能够偷窃到的最高金额。
示例 1：
输入：nums = [2,3,2]
输出：3
解释：你不能先偷窃 1 号房屋（金额 = 2），然后偷窃 3 号房屋（金额 = 2）, 因为他们是相邻的。
示例 2：
输入：nums = [1,2,3,1]
输出：4
解释：你可以先偷窃 1 号房屋（金额 = 1），然后偷窃 3 号房屋（金额 = 3）。
偷窃到的最高金额 = 1 + 3 = 4 。
示例 3：
输入：nums = [0]
输出：0
提示：
1 <= nums.length <= 100
0 <= nums[i] <= 1000

/*
 * 4
 * LeetCode 213 : 打家劫舍 II
 * https://leetcode-cn.com/problems/house-robber-ii/
 */
int getRob(const vector<int>& nums, int start, int end)
{
    int len = end-start+1;
    vector<int> dp(len, -1);
    if(len == 0)
        return 0;
    if(len == 1)
        return nums[start];
    dp[0] = nums[start];
    dp[1] = max(nums[start], nums[start+1]);
    for(int i = 2; i < len; i++)
    {
        dp[i] = max(nums[start+i]+dp[i-2], dp[i-1]);
    }
    return dp[len-1];
}
int rob(vector<int>& nums)
{
    /*
     * 因为第一个element 和最后一个element不能同时出现. 则分两次call House Robber I.
     * case 1: 不包括最后一个element.
     * case 2: 不包括第一个element.
     * 两者的最大值即为全局最大值
     */
    if(nums.empty())
        return 0;
    if(nums.size() == 1)
        return nums[0];
    int a = getRob(nums, 0, nums.size() - 2);
    int b = getRob(nums, 1, nums.size() - 1);
    return max(a, b);
}

5. Leetcode 931 : 下降路径最小和

Leetcode 931

给定一个方形整数数组 A，我们想要得到通过 A 的下降路径的最小和。
下降路径可以从第一行中的任何元素开始，并从每一行中选择一个元素。在下一行选择的元素和当前行所选元素最多相隔一列。
示例：
输入：[[1,2,3],[4,5,6],[7,8,9]]
输出：12
解释：
可能的下降路径有：
[1,4,7], [1,4,8], [1,5,7], [1,5,8], [1,5,9]
[2,4,7], [2,4,8], [2,5,7], [2,5,8], [2,5,9], [2,6,8], [2,6,9]
[3,5,7], [3,5,8], [3,5,9], [3,6,8], [3,6,9]
和最小的下降路径是 [1,4,7]，所以答案是 12。
提示：
1 <= A.length == A[0].length <= 100
-100 <= A[i][j] <= 100

/*
 * 5
 * Leetcode 931 : 下降路径最小和
 * https://leetcode-cn.com/problems/minimum-falling-path-sum/
 */
int minFallingPathSum(vector<vector<int> >& A)
{
    /*
     * dp(r,c) : 从第r层，第c列开始的最小路径和。
     * 当r为最后一层时，dp(r,c) = A[r][c];
     * 当r不为最后一层时，dp(r,c) = A[r][c] + 下一层的子问题的解的最小值。
     * 状态转移方程 (在不考虑边界的情况下)
     * dp(r,c) = A[r][c] + min(dp[r+1][c-1], dp[r+1][c], dp[r+1][c+1])
     */
    int row = A.size();
    int col = A[0].size();
    for(int r = row-2; r >= 0; r--)
    {
        for(int c = 0; c < col; c++)
        {
            // best = min(A[r+1][c-1], A[r+1][c], A[r+1][c+1])
            int best = A[r+1][c];
            if(c > 0)
                best = min(best, A[r+1][c-1]);
            if(c+1 < col)
                best = min(best, A[r+1][c+1]);
            A[r][c] += best;
        }
    }
    int res = INT_MAX;
    for(auto x : A[0])
        res = min(res, x);
    return res;
}

6. LeetCode 322 : 零钱兑换

LeetCode 322

给定不同面额的硬币 coins 和一个总金额 amount。编写一个函数来计算可以凑成总金额所需的最少的硬币个数。如果没有任何一种硬币组合能组成总金额，返回 -1。
你可以认为每种硬币的数量是无限的。
示例 1：
输入：coins = [1, 2, 5], amount = 11
输出：3
解释：11 = 5 + 5 + 1
示例 2：
输入：coins = [2], amount = 3
输出：-1
示例 3：
输入：coins = [1], amount = 0
输出：0
示例 4：
输入：coins = [1], amount = 1
输出：1
示例 5：
输入：coins = [1], amount = 2
输出：2
提示：
1 <= coins.length <= 12
1 <= coins[i] <= 2^31 - 1
0 <= amount <= 10^4

/*
 * 6
 * LeetCode 322 : 零钱兑换
 * https://leetcode-cn.com/problems/coin-change/
 */
int coinChange(vector<int>& coins, int amount)
{
    /*
     * dp(i) 为组成金额 i 所需最少的硬币数量
     * dp(i) = min{dp(i - c_j)} + 1  (j = 0, ... n-1)
     * 其中 c_j 代表的是第 j 枚硬币的面值
     */
    int Max = amount + 1;
    vector<int> dp(amount + 1, Max);
    dp[0] = 0;
    for(int i = 1; i <= amount; ++i)
    {
        for(int j = 0; j < (int)coins.size(); ++j)
        {
            if(coins[j] <= i)
            {
                dp[i] = min(dp[i], dp[i - coins[j]] + 1);
            }
        }
    }
    return dp[amount] > amount ? -1 : dp[amount];
}

7. LeetCode 62 : 不同路径

LeetCode 62

一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为“Start” ）。
机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中标记为“Finish”）。
问总共有多少条不同的路径？
例如，上图是一个7 x 3 的网格。有多少可能的路径？
示例 1:
输入: m = 3, n = 2
输出: 3
解释:
从左上角开始，总共有 3 条路径可以到达右下角。
示例 2:
输入: m = 7, n = 3
输出: 28
提示：
1 <= m, n <= 100
题目数据保证答案小于等于 2 * 10 ^ 9

/*
 * 7
 * LeetCode 62 : 不同路径
 * https://leetcode-cn.com/problems/unique-paths/
 */
int uniquePaths(int m, int n)
{
    /*
    * dp[i][j] 是到达 (i, j) 最多路径
    * 动态方程：dp[i][j] = dp[i-1][j] + dp[i][j-1]
    * 对于第一行 dp[0][j]，或者第一列 dp[i][0]，由于都是在边界，所以只能为 1
    */
    vector<vector<int> > memo(n, vector<int>(m, 0) );
    for(int i = 0; i < n; i++)
        memo[i][0] = 1;
    for(int j = 0; j < m; j++)
        memo[0][j] = 1;
    for(int i = 1; i < n; i++)
        for(int j = 1; j < m; j++)
            memo[i][j] = memo[i][j-1] + memo[i-1][j];
    return memo[n-1][m-1];
}
#if 0
int uniquePaths(int m, int n)
{
    /* 排列组合
     * 因为机器到底右下角，向下几步，向右几步都是固定的，
     * 所以有 C(m+n-2,m-1)（或C(m+n-2,n-1)）
     */
    long ans = 1;
    for(int i = 0; i < min(m-1, n-1); i++)
    {
        // 乘以分子
        ans *= m+n-2-i;
        // 直接除以分母 将阶乘拆开 防止溢出
        ans /= i+1;
    }
    return (int)ans;
}
#endif

8. LeetCode 面试题 08.02 : 迷路的机器人

LeetCode 面试题 08.02

设想有个机器人坐在一个网格的左上角，网格 r 行 c 列。机器人只能向下或向右移动，但不能走到一些被禁止的网格（有障碍物）。设计一种算法，寻找机器人从左上角移动到右下角的路径。
网格中的障碍物和空位置分别用 1 和 0 来表示。
返回一条可行的路径，路径由经过的网格的行号和列号组成。左上角为 0 行 0 列。如果没有可行的路径，返回空数组。
示例 1:
输入:
[
[0,0,0],
[0,1,0],
[0,0,0]
]
输出: [[0,0],[0,1],[0,2],[1,2],[2,2]]
解释:
输入中标粗的位置即为输出表示的路径，即
0行0列（左上角） -> 0行1列 -> 0行2列 -> 1行2列 -> 2行2列（右下角）
说明：r 和 c 的值均不超过 100。

/*
 * 8
 * LeetCode 面试题 08.02 : 迷路的机器人
 * https://leetcode-cn.com/problems/robot-in-a-grid-lcci/
 */
vector<vector<int>> pathWithObstacles(vector<vector<int> > &obstacleGrid)
{
    /*
     * 动态规划
     * 移动方向决定了当前坐标只能够从垂直向上的一个坐标或者左边的一个坐标达来到
     * 左边的第一列，只能从上往下 dp[i][0] = !obstacleGrid[i-1][0] && dp[i-1][0]
     * 上面的第一行，只能从左往右 dp[0][j] = !obstacleGrid[0][j-1] && dp[0][j-1]
     * 状态转移方程 ：dp[i][j] = dp[i-1][j] || dp[i][j-1]
     *
     * dp[row][col] == 1, 说明存在路径从起点到终点，根据dp矩阵就能逆推回去得到一条路径
     */

    int row = obstacleGrid.size();
    int col = obstacleGrid[0].size();
    vector<vector<int> > res;
    //起点和终点是障碍
    if(obstacleGrid[0][0] || obstacleGrid[row-1][col-1])
        return res;
    vector<vector<bool> > dp(row, vector<bool>(col, false));
    dp[0][0] = true;
    //初始化首列
    for(int r = 1; r < row; r++)
    {
        dp[r][0] = !obstacleGrid[r][0] && dp[r - 1][0];
    }
    //初始化首行
    for(int c = 1; c < col; c++)
    {
        dp[0][c] = !obstacleGrid[0][c] && dp[0][c - 1];
    }
    for(int i = 1; i < row; i++)
    {
        for(int j = 1; j < col; j++)
        {
            dp[i][j] = !obstacleGrid[i][j] && (dp[i - 1][j] || dp[i][j - 1]);
        }
    }
    //如果终点不可达
    if(!dp[row-1][col-1])
        return res;
    int r = row-1, c = col-1;
    while(r > 0 || c > 0)
    {
        res.push_back({r, c});
        //先考虑上面的坐标, 不管是先上面还是左边，只要坐标可用，最终肯定能回到起点(这是前面动态递推的结果)
        if(r > 0 && dp[r - 1][c])
            r--;
        else if(c > 0 && dp[r][c - 1])
            c--;
    }
    res.push_back({0, 0});

    reverse(res.begin(), res.end());
    return res;
}

总结

以上是动态规划相关面试算法题汇总，个别题目也给出了解题算法描述和注释。以上所有代码都可以去我的网站GitHub查看，后续也将继续补充其他算法方面的相关题目。

guihunkun
关注
  • 0
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
动态规划——面试必刷TOP101
yy的旅行日志的博客
05-07 968
动态规划——面试必刷TOP101
10｜面试即正义第二期：常见的动态规划面试题串烧
qq_37756660的博客
01-24 964
以上就是求方案总数类型问题，以及求可行性类型问题的解法了。事实上，我们完全可以通过转化其它类型的问题，来得到求可行性类型的动态规划问题。比如说，在带障碍的路径规划中，我们求的是路径总数。但是，当我将题目改一下：问能否从起点移动到终点？这样就变成了求可行性的问题。我们依然在遵循之前给出的动态规划解题模板来求解问题。首先，根据重叠子问题、无后向性和最优子结构来确定能否用动态规划解题。然后，再确定初始化状态、状态参数，接着确定状态存储数组（即备忘录），最终写出关键的状态转移方程。
动态规划面试题
豆子
08-30 379
一、简单DP 礼物最大价值(矩阵贪心类题目)剑指 Offer 47 class Solution { public: int maxValue(vector<vector<int>>& grid) { int m = grid.size(), n = grid[0].size(); for(int i =...
动态规划|【斐波那契数列模型 】|面试题08.01三步问题
weixin_74197067的博客
02-24 927
动态规划|面试题08.01三步问题
【复试刷题】（C语言）动态规划解凑硬币、最少钱币数问题
qq_45719936的博客
03-06 2805
文章目录题目描述思路分析状态转移方程代码实现运行结果样例一样例二总结 题目描述 给定若干个互不相同的钱币面值，编程计算，最少需要多少个钱币才能凑成某个给出的钱数。 例如：1元，7元，9元，10元四种面值的纸币，要凑18元 思路分析 若用贪心算法，依次为10元、7元、1元。但是显然两张9元纸币即可凑出18元。故贪心算法是每次得到当前的最优情况，却无法顾及整体最优。而动态规划考虑到上一状态，并取最优，这里采用动态规划。这是我看到的博客，终于把dp搞明白了！动态规划详解 状态转移方程 dp[m] = min(dp
面试常见基础算法题总结
04-29
面试中的算法题是每个IT求职者都需要准备的重要环节，涵盖了数据结构、算法设计与分析等多个领域。以下是对一些常见算法题目的详细解析： 1. **红黑树**：红黑树是一种自平衡二叉查找树，它保持了二叉搜索树的特性...
字节面试算法题总结大全
06-01
【字节面试算法题总结大全】的描述中提到，算法题在面试中扮演着重要的角色，尤其是对于希望进入大型科技公司的求职者来说，无论是前端还是其他语言的开发者，都需要具备一定的算法基础。算法题虽然在实际开发中可能...
面试高频算法题总结，个人博客
05-29
本篇文章将对一些常见的面试算法题目进行总结，重点讨论Python语言下的实现方式。 一、排序算法 1. 冒泡排序：基础排序算法，通过不断交换相邻的逆序元素来完成排序。Python实现简洁易懂，但效率较低。 2. 快速...
2024嵌入式大厂面经算法面试题总结
最新发布
06-09
2024嵌入式大厂面经算法面试题总结提取方式是百度网盘分享地址
算法面试题总结.pdf
10-10
算法面试题总结 本资源汇总了五道常见的算法面试题，并提供了详细的解答。这些题目涵盖了数据结构、算法设计和问题解决等方面，旨在帮助读者更好地理解和掌握算法设计的基本原理和方法。 一、把二元查找树转换成...
面试题-动态规划
03-20 337
一、什么是动态规划？ 动态规划就是通过采用分而治之的策略，通过解决大问题的子问题从而解决整体的做法。动态规划的核心思想就是将大问题拆分成多个子问题，按顺序求解子阶段，前一子问题的解，为后一子问题的求解提供了有用的信息。在求解任一子问题时，列出各种可能的局部解，通过决策保留那些有可能达到最优的局部解，丢弃其他局部解。依次解决各子问题，最后一个子问题就是初始问题的解。 动态规划有三个重要的概念 ...
面试过程中一些动态规划类的算法题（持续更新）
lotus
03-30 1616
动态规划思想是用空间换时间，核心是找到动态方程。 1.在面试字节跳动的时候问到“最小编辑距离问题” 下边是最小编辑距离思路及python代码 最小编辑距离或莱文斯坦距离（Levenshtein），指由字符串A转化为字符串B的最小编辑次数。允许的编辑操作有：删除，插入，替换。具体内容可参见：维基百科—莱文斯坦距离。 一般代码实现的方式都是通过动态规划算法，找出从A转化为B的每一步的最小步骤。 ...
面试中的动态规划
qq_15288217的博客
06-15 619
机器学习面试，被问过最多的数据结构类题目是动态规划（Dynamic Programming，即DP）。所以总结一下剑指offer中常见的几种DP题目，供后续的回顾与学习。首先，DP题目的几种类型为：递推、背包、连续子序列最大和、最长公共子序列。1、递推典型题目：剑指offer——09 斐波那契数列理由：因为斐波那契数列的第F(n)项的解，包含了子问题F(n-1)项的解，即该问题具有“最优子结构”性...
动态规划-面试题
void
07-14 8151
动态规划算法面试题
剑指Offer（第二版）面试题14：剪绳子（动态规划）
热门推荐
冷血之心的博客
06-16 1万+
（尊重劳动成果，转载请注明出处：http://blog.csdn.net/qq_25827845/article/details/73351134冷血之心的博客） 剑指Offer（第二版）面试题14：剪绳子 题目一：给你一根长度为n的绳子，请把绳子剪成m段 (m和n都是整数，n>1并且m>1)每段绳子的长度记为k[0],k[1],...,k[m].请问k[0]*k[...
阿里动态规划面试题之机器人运动问题
weixin_43923436的博客
06-08 522
题目描述 给你几个参数： N：代表总共有多少个位置。 S：机器人的出发位置。 E：机器人的目的地。 K：机器人必须走K步。 问题：请你求出机器人从S起始位置走K步到达终止位置E，一共有多少种走法？注意，每次机器人必须走一步，不能留在原地，每次只能走一格，可以向右或者向左。 暴力递归 递归终止条件base case： 那就是K走完了呗，如果停在目标位置，就是一种走法，如果没停在目标位置，就返回0. 递归函数： 如果到了边界，就只有向里走，如果不在边界，就可以向两边任意走，最后累加上所有结果。 代码 p
《剑指offer》面试题14：剪绳子（动态规划、贪婪算法）
Tianzez的博客
01-26 5486
更多剑指offer面试习题请点击： 《剑指offer》（第二版）题集目录索引 题目： 给你一根长度为n绳子，请把绳子剪成m段（m、n都是整数，n&gt;1并且m&gt;1）。每段的绳子的长度记为k[0]、k[1]、……、k[m]。k[0] * k[1]*…*k[m]可能的最大乘积是多少？例如当绳子的长度是8时，我们把它剪成长度分别为2、3、3的三段，此时得到最大的乘积18。 解题思路：...
面试准备------动态规划问题
一只小包子的博客
02-19 897
动态规划 1. Coin Change 问题： 输入一组硬币值 以及需要兑换的总数 输出可兑换的最少硬币数量 不可兑换输出-1 示例： Input: coins = [1, 2, 5], amount = 11 Output: 3 Explanation: 11 = 5 + 5 + 1 解析： 构造一个dp数组 长度为amount+1 每个位置上存放当前amount 能够兑换的最少的硬币数量...
剑指offer(面试题14): 动态规划和贪心算法求解最优化问题
stsfang
07-28 649
题目 给定一长为n的绳子，要求把绳子剪成m段（m，n都是整数且n&gt;1，m&gt;1）,每段绳子的长度记为ｋ[0], k[1], k[2]…,k[m]。请问k[0]*k[1]*k[2]….*k[m]可能的最大乘积是多少？例如，当绳子的长度是８时，可以剪成２＊３＊３的三段得到最大的乘积。 解法 动态规划 从下往下分析问题，从下往上解决问题。先计算当绳子长度为２，３，４等这些较小的容易看...
Java面试算法题总结：递归整数逆序放数组、求高于平均分学生学号及成绩。
本文总结了部分IT公司笔试算法题，供大家参考。第一道题目是将一个整数逆序后放入一个数组中，要求使用递归实现。具体代码如下： ```java void convert(int[] result, int n) { if(n >= 10) { convert(result, n ...

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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