参考:
动态规划知识点:https://blog.csdn.net/misayaaaaa/article/details/71794620
动态规划经典案例:https://blog.csdn.net/misayaaaaa/article/details/71940779
最近在刷牛客网的编程题,首次接触动态规划问题(编程萌新),看了网友的答案和一些博客关于动态规划问题的介绍,因此整理一篇文章以便以后查阅。
题目描述
一只袋鼠要从河这边跳到河对岸,河很宽,但是河中间打了很多桩子,每隔一米就有一个,每个桩子上都有一个弹簧,袋鼠跳到弹簧上就可以跳的更远。每个弹簧力量不同,用一个数字代表它的力量,如果弹簧力量为5,就代表袋鼠下一跳最多能够跳5米,如果为0,就会陷进去无法继续跳跃。河流一共N米宽,袋鼠初始位置就在第一个弹簧上面,要跳到最后一个弹簧之后就算过河了,给定每个弹簧的力量,求袋鼠最少需要多少跳能够到达对岸。如果无法到达输出-1
输入描述:
输入分两行,第一行是数组长度N (1 ≤ N ≤ 10000),第二行是每一项的值,用空格分隔。
输出描述:
输出最少的跳数,无法到达输出-1
解答:拿到这道题我首先想到了Dijkstra最短路径,最短路径本质上也是一种动态规划问题。
所谓动态规划,即将待求解的问题分解为若干个子问题(阶段),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。在规划过程中涉及到求解局部最优解以达到整体最优解问题。关键方法是从实际问题中抽象出动态规划表dp,“其中行表示决策的阶段,列表示问题状态,表格需要填写的数据一般对应此问题的在某个阶段某个状态下的最优值(如最短路径,最长公共子序列,最大价值等),填表的过程就是根据递推关系,从1行1列开始,以行或者列优先的顺序,依次填写表格,最后根据整个表格的数据通过简单的取舍或者运算求得问题的最优解:f(n,m)=max{f(n-1,m), f(n-1,m-w[n])+P(n,m)}”
以下是参考牛客网友@yuhaouestc的解答:
#include <iostream>
#include <vector>
using namespace std;
int getCount(vector<int> &temp)
{
int n = temp.size();
vector<int> dp(n+1,1000);
dp[0] = 1;
for(int i=1;i<=n;i++){
for(int j=i-1;j>=0;j--){
if(dp[j]==0) continue;
if(j+temp[j]>=i) dp[i] = min(dp[i],dp[j]+1);
}
}
if(dp[n]==1000) return -1;
else return dp[n]-1;
}
int main(){
int N;
int s;
cin>>N;
vector<int> temp(N,0);
for(int i=0;i<N;i++)
cin>>temp[i];
cout<< getCount(temp)<< endl;
return 0;
}
顺便复习一下Dijkstra算法: