DP 动态规划 Problem M 1013 母牛问题

Problem M  ID:1013


简单题意:初始有一头母牛,每年年初生一头母牛,所有新出生的母牛从出生后的第四个年头开始,每年都生一头母牛。求第n年共有多少头母牛。

解题思路形成过程:使用两个数组,一个数组a存放(所有)当年出生的母牛数,另一个数组b存放(所有)从第一年到当年的总母牛数。
            n<=3时,a[1]=1;a[2]=1;a[3]=1; b[1]=1;b[2]=2;b[3]=3;
            n>3时,a[i]=a[i-3]+a[i-1];   b[i]=b[i-1]+a[i-1];
            因为n的最大值是54,可以对所有的n进行预处理,将所有的结果存入数组中。
            然后根据输入的n,直接调用数组输出结果即可。

感想:同样是一个比较简单的dp问题,但是一开始使用了错误的状态转移方程式,并导致了WA。
    分析的时候要抓住本质,要抓住最根本的规律。
    注意预处理。

代码:
#include <iostream>
#include <stdio.h>
#include <string.h>
using namespace std;
int a[60],b[60];
int main()
{
    int n;
    //freopen("1.txt","r",stdin);
    a[1]=1;a[2]=1;a[3]=1;
    b[1]=1;b[2]=2;b[3]=3;
    for(int i=4;i<57;++i)
    {
        a[i]=a[i-3]+a[i-1];
        b[i]=b[i-1]+a[i-1];
    }
    while(1)
    {
        scanf("%d",&n);
        if(n==0)
            return 0;
        printf("%d\n",b[n]);
    }
}



  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
动态规划(Dynamic Programming,简称DP)是一种常用的编程技巧,用于解决一类具有重叠子问题和最优子结构性质的问题。它的核心思想是将原问题拆分成若干个重叠子问题,并通过求解子问题的最优解来得到原问题的最优解。 动态规划算法包含三个关键要素:状态、阶段和决策。状态表示问题的局部解,阶段表示问题的不同阶段,决策表示问题在每个阶段的决策选择。通过定义合适的状态转移方程,可以将问题的求解过程划分为多个阶段,然后根据最优子结构性质,逐步求解每个阶段的最优解,最终得到整个问题的最优解。 在动态规划算法中,通常需要满足以下两个条件:无后效性和最优子结构性质。无后效性要求当前阶段的计算不会对前面的阶段产生影响;最优子结构性质要求问题的最优解可以由前面各阶段的子问题的最优解导出。 对于运动规划问题,可以使用动态规划算法来解决。首先,需要将问题拆分成多个阶段,每个阶段表示问题的不同状态。然后,通过定义合适的状态转移方程,确定每个阶段之间的关系,并通过求解子问题的最优解来得到整个问题的最优解。具体的求解过程和状态转移方程需要根据具体的运动规划问题进行设计。 总之,动态规划是一种重要的编程技巧,对于解决运动规划问题也非常有用。通过合理地定义状态、阶段和决策,并使用适当的状态转移方程,可以高效地求解运动规划问题

“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