Coursera Algorithms 学习之路(一)

博主分享了在Coursera上学习算法的第一周经历,主要涉及快速查找、归并查找以及Percolation问题。通过树形结构和优化后的数组存储树来理解这些概念。
摘要由CSDN通过智能技术生成

软件渣渣真的要发愤图强啊,保完研的日子不能荒废,把学得渣一样的数据结构和算法重新捡起来,加油啦~
第一周的编程作业,在这里记录一下,Percolation

public class Percolation {
    int[][]id;
    int n;
     public Percolation(int n)
     {

         // create n-by-n grid, with all sites blocked
         id=new int[n][n];
         this.n=n;
         for(int a=0;a<n;a++)
         {
             for(int b=0;b<n;b++)
             {

                id[a][b]=0; 

             }

         }

     }

       public void open(int i, int j){
           // open site (row i, column j) if it is not open already
          id[i-1][j-1]=1;

          if(j<n&&i<n&&j>1&&i>1)
          {
          if((id[i-1][j]==2)||(id[i][j-1]==2)||(id[i-2][j-1]==2)||(id[i-1][j-2]==2))
          {
              id[i-1][j-1]=2;
          }
          }
          else 
          {
              if(i==1)
              {
                  id[i-1][j-1]=2;
              }
          else if(j==1&&i<n&&((id[i-1][j]==2)||(id[i][j-1]==
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
强化学习是一种通过与环境互动来学习最佳行为策略的机器学习方法。为了开始学习这一领域,首先需要了解一些强化学习的基本算法。《Reinforcement Learning: An Introduction》(Sutton and Barto, 1998)是一本经典的强化学习教材,可以帮助初学者了解强化学习的基本概念和算法。该书介绍了强化学习的基本原理、价值函数、贝尔曼方程等重要概念,并介绍了一些经典的强化学习算法,如蒙特卡洛方法、时序差分学习、Q-learning等。这些算法是理解强化学习的基石,对初学者来说非常有帮助。 另外一本不错的入门教材是《Algorithms for Reinforcement Learning》(Szepesvári, 2009),这本书更加强调强化学习算法和数学基础。它详细介绍了动态规划、值迭代、策略迭代、TD学习等强化学习算法,并提供了一些例子和应用场景,有助于初学者更深入地理解强化学习算法的原理和实际应用。 除了书籍,MOOC平台上也有一些优秀的强化学习入门课程,如Coursera上的《Reinforcement Learning Specialization》和Udemy上的《Practical Reinforcement Learning》。这些课程结合了理论和实践,通过视频、案例分析等方式向学习者介绍强化学习的基本原理和算法,并帮助学习者掌握强化学习的实际应用技能。 总之,要想学习强化学习,首先需要了解一些基本的强化学习算法,上述提到的书籍和课程都是不错的入门资料,可以帮助初学者快速入门强化学习领域。
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