LeetCode - 119. Pascal's Triangle II

这道题目与118. Pascal's Triangle很像,所不同的是这道题要求的是打印出制定某行,而上一题则是将所有的全都打印出来。一个非常简单的想法自然是先计算出整个三角形,然后再打印出某个指定的行,但是这样肯定会消耗很多的空间,所以这种做法并不是很推荐。

在这道题目上,一开始的时候我的思维走向了歪路,帕斯卡三角形有一个性质就是它的每一行都是二项展开式的系数,所以可以根据这个来直接计算出某一行中的所有数字,也就是C(1,n), C(2,n)....C(n,n),同时C(m, n) = n! / m! * (n - m)!,所以可以先实现阶乘这个函数然后再进行带入。这个思路与题目所想要指引的方向并不是很一致。

在前面已经有了Pascal's Triangle问题的基础上又有了这道题目,所以很明显可以看出这是一道follow up题目,解法也应该是在前面那个题目的基础之上。在118题中,我们计算每一行数字的方式是a[i][j] = a[i][j - 1] + a[i - 1][j - 1],那这个题目中我们也希望使用相似的方式,题目的要求是使用O(k)的额外空间,所以我们要在一个数组中完成操作。

观察1,4,6,4,1这一行,它向下一行变动的话首先要先添加1,即1,4,6,4,1,1,然后a[i] = a[i] + a[i - 1],但是这种方式的话在计算中会改变a[i - 1]的值,所以从前向后遍历是不可行的,继而我们对从后向前遍历进行尝试,因为a[i]只使用过一次之后就不再被使用,所以从后向前遍历是可行的,即:

5 = 4 + 1          1,4,6,4,5,1

10 = 6 + 4        1,4,6,10,5,1

10 = 6 + 4        1,4,10,10,5,1

5 = 4 + 1           1,5,10,10,5,1

代码如下:

public class Solution{
    public List<Integer> getRow(int rowIndex){
        List<Integer> row = new ArrayList<Integer>(rowIndex);

        // Corner case
        if(rowIndex < 0) return row;

        for(int i = 0; i <= rowIndex; i++){
            row.add(1);
            for(int j = i - 1; j > 0; j--){
                row.set(j, row.get(j - 1) + row.get(j));
            }
        }

        return row;
    }
}
或者如果可以将1加在每一行前面的话,从前向后遍历也是可以的,1,1,4,6,4,1


知识点:

1. new ArrayList<Integer>(n);

2, ArrayList<Integer>.set(index, value);

3. 解决follow up问题的思考方式:在前面的基础上

4. 数组内部的迭代

### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
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