1.斐波那契数列问题的递归和动态规划
思路:
①动态规划
时间复杂度:O(n)
空间复杂度:O(1)
int fib(int n) {
if (n < 2) {
return n;
}
int p = 0, q = 0, r = 1;
for (int i = 2; i <= n; ++i) {
p = q;
q = r;
r = p + q;
}
return r;
}
②矩阵快速幂
时间复杂度:O(logn)。
空间复杂度:O(1)
代码:略
③通项公式
复杂度:代码中使用的 \texttt{pow}pow 函数的时空复杂度与 CPU 支持的指令集相关,这里不深入分析。
代码:
int fib(int n) {
double sqrt5 = sqrt(5);
double fibN = pow((1 + sqrt5) / 2, n) - pow((1 - sqrt5) / 2, n);
return round(fibN / sqrt5);
}
注解:
sqrt()用来计算平方根
pow(): C 库函数 double pow(double x, double y) 返回 x 的 y 次幂
round(x):返回x的四舍五入整数值
2.矩阵的最小路径和
题目:
给定一个矩阵 m,从左上角开始每次只能向右或者向下走,最后到达右下角的位置,路径上所有的数字累加起来就是路径和,返回所有的路径中最小的路径和。
举例:
示例 1:
输入:grid = [[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。
示例 2:
输入:grid = [[1,2,3],[4,5,6]]
输出:12
int minPathSum(int** grid, int gridSize, int* gridColSize){
int i,j;
if(gridSize==0|| *gridColSize==0){
return 0;
}
int dp[gridSize][*gridColSize];//gridsize为行,gridColdSize为列
dp[0][0]=grid[0][0];//初始化第一步
for(i=1;i<gridSize;++i){
dp[i][0]=grid[i][0]+dp[i-1][0];
}
for(j=1;j<*gridColSize;++j){
dp[0][j]=grid[0][j]+dp[0][j-1];
}
for(i=1;i<gridSize;++i){
for(j=1;j<*gridColSize;++j){
dp[i][j]=(dp[i][j-1]<dp[i-1][j]?dp[i][j-1]:dp[i-1][j])+grid[i][j];
}
}
return dp[i-1][j-1];
}
3.不同路径Ⅱ leetcode63
题目:
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”)。
现在考虑网格中有障碍物。那么从左上角到右下角将会有多少条不同的路径?
思路:
①这样自底向上的递归会存在大量的重复计算,所以我们将其改写为在二维数组中自顶向下的递推即可,即 dp[i, j] = dp[i - 1, j] + dp[i, j - 1]dp[i,j]=dp[i−1,j]+dp[i,j−1]。
代码:
int uniquePathsWithObstacles(int** obstacleGrid, int obstacleGridSize, int* obstacleGridColSize){
//获取输入数组的长和宽
int n=obstacleGridSize;//行
int m=obstacleGridColSize[0];//列
//使用滚动数组对空间复杂度进行优化,只需要知道前一列的数即可
int f[m];
//bzero(f,sizeof(int)*m);
memset(f,0,sizeof(f));
//判断开头是有石头还是可以通过
f[0]=(obstacleGrid[0][0]==0);
//先遍历整个数组
for(int i=0;i<n;++i){
for(int j=0;j<m;++j){
if(obstacleGrid[i][j]==1){
f[j]=0;
continue;
}
if(j-1>=0&&obstacleGrid[i][j-1]==0){//j-1>=0表示表格不在上边框没超出界限,且当前位置没石头
f[j]+=f[j-1];
}
}
}
return f[m-1];//最后返回滚动数组的最后一位
}