思特奇杯·云上蓝桥 -算法 集训营第三周
1. 斐波那契数列
题目描述
斐波那契数,通常用 F(n) 表示,形成的序列称为 斐波那契数列 。该数列由 0 和 1 开始,后面的每一项数字都是前面两项数字的和。也就是:
F(0) = 0,F(1) = 1
F(n) = F(n - 1) + F(n - 2),其中 n > 1
给你 n ,请计算 F(n) 。
解法一
解题思路
动态规划
python代码
def fib(self, n: int) -> int:
if n==0:
return 0
if n==1:
return 1
a=0
b=1
for i in range(2,n+1):
a,b=b,a+b
return b
运行结果
2. 第 N 个泰波那契数
题目描述
泰波那契序列 Tn 定义如下:
T0 = 0, T1 = 1, T2 = 1, 且在 n >= 0 的条件下 Tn+3 = Tn + Tn+1 + Tn+2
给你整数 n,请返回第 n 个泰波那契数 Tn 的值。
示例 1:
输入:n = 4
输出:4
解释:
T_3 = 0 + 1 + 1 = 2
T_4 = 1 + 1 + 2 = 4
示例 2:
输入:n = 25
输出:1389537
解法一
解题思路
动态规划
python代码
def tribonacci(self, n: int) -> int:
if n==0:
return 0
if n==1:
return 1
if n==2:
return 1
a=0
b=1
c=1
for i in range(3,n+1):
a,b,c=b,c,a+b+c
return c
运行结果
3.爬楼梯
题目描述
假设你正在爬楼梯。需要 n 阶你才能到达楼顶。
每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢?
解法一
解题思路
动态规划
python代码
def climbStairs(self, n: int) -> int:
if n == 1:
return 1
if n == 2:
return 2
a,b = 1,2
for i in range(3,n+1):
a,b=b,a+b
return b
运行结果
4.使用最小花费爬楼梯
题目描述
给你一个整数数组 cost ,其中 cost[i] 是从楼梯第 i 个台阶向上爬需要支付的费用。一旦你支付此费用,即可选择向上爬一个或者两个台阶。
你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。
请你计算并返回达到楼梯顶部的最低花费。
示例 1:
输入:cost = [10,15,20]
输出:15
解释:你将从下标为 1 的台阶开始。
- 支付 15 ,向上爬两个台阶,到达楼梯顶部。
总花费为 15 。
示例 2:
输入:cost = [1,100,1,1,1,100,1,1,100,1]
输出:6
解释:你将从下标为 0 的台阶开始。
- 支付 1 ,向上爬两个台阶,到达下标为 2 的台阶。
- 支付 1 ,向上爬两个台阶,到达下标为 4 的台阶。
- 支付 1 ,向上爬两个台阶,到达下标为 6 的台阶。
- 支付 1 ,向上爬一个台阶,到达下标为 7 的台阶。
- 支付 1 ,向上爬两个台阶,到达下标为 9 的台阶。
- 支付 1 ,向上爬一个台阶,到达楼梯顶部。
总花费为 6 。
解法一
解题思路
动态规划
递推公式:
f(i)代表爬到第i阶楼梯需付最少代价为f(i)
f(i) = min(f(i-1),f(i-2)+cost(i)) , i=n
f(i) = min(f(i-1),f(i-2))+cost(i) , 2<=i<n
python代码
def minCostClimbingStairs(self, cost: List[int]) -> int:
n = len(cost)
if n == 2:
return min(cost)
dp = []#dp[i]=min(dp[i-1],dp[i-2])+cost[i]
dp.append(cost[0])
dp.append(cost[1])
for i in range(2,n):
if i == n-1:
dp.append(min(dp[i-1],dp[i-2]+cost[i]))
else:
dp.append(min(dp[i-1],dp[i-2])+cost[i])
return dp[-1]
运行结果
5.买卖股票的最佳时机
题目描述
给定一个数组 prices ,它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。
你只能选择 某一天 买入这只股票,并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。
返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润,返回 0 。
示例 1:
输入:[7,1,5,3,6,4]
输出:5
解释:在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6-1 = 5 。
注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格;同时,你不能在买入前卖出股票。
示例 2:
输入:prices = [7,6,4,3,1]
输出:0
解释:在这种情况下, 没有交易完成, 所以最大利润为 0。
解法一
解题思路
定义Max,Min为最高股价和最低股价,初始时Max = prices[0], Min = prices[1]
遍历 数组prices
当某一天股价大于Max时
Max = prices[i]
ans = Max(ans,Max-Min)
当某一天的股价小于MIn时
Min = prices[i]
Max = prices[i]
python代码
def maxProfit(self, prices: List[int]) -> int:
n = len(prices)
if n < 2:
return 0
Min = prices[0]
Max = prices[1]
ans = 0
for i in range(n):
if prices[i] >= Max:
Max = prices[i]
ans = max(ans,Max - Min)
if prices[i] < Min:
Min = prices[i]
Max = prices[i]
return ans
运行结果
6.最长公共子序列
题目描述
给定两个字符串 text1 和 text2,返回这两个字符串的最长 公共子序列 的长度。如果不存在 公共子序列 ,返回 0 。
一个字符串的 子序列 是指这样一个新的字符串:它是由原字符串在不改变字符的相对顺序的情况下删除某些字符(也可以不删除任何字符)后组成的新字符串。
例如,“ace” 是 “abcde” 的子序列,但 “aec” 不是 “abcde” 的子序列。
两个字符串的 公共子序列 是这两个字符串所共同拥有的子序列。
示例 1:
输入:text1 = “abcde”, text2 = “ace”
输出:3
解释:最长公共子序列是 “ace” ,它的长度为 3 。
示例 2:
输入:text1 = “abc”, text2 = “abc”
输出:3
解释:最长公共子序列是 “abc” ,它的长度为 3 。
示例 3:
输入:text1 = “abc”, text2 = “def”
输出:0
解释:两个字符串没有公共子序列,返回 0 。
解法一
解题思路
动态规划
n,m = len(text1),len(text2)
定义数组 dp[n][m],dp[i][j]表示text1[:i]和text2[:j]的公共子序列长度为dp[i][j]
dp[i][j] = max(dp[i-1][j],dp[i][j-1]),(text1[i-1] != text[j-1])
dp[i][j] = dp[i-1][j-1] + 1,(text1[i-1] == text[j-1])
python代码
def longestCommonSubsequence(self, text1: str, text2: str) -> int:
n,m = len(text1),len(text2)
dp = [[0]*(m+1) for _ in range(n+1)]
for i in range(1,n+1):
for j in range(1,m+1):
if text1[i-1] == text2[j-1]:
dp[i][j] = dp[i-1][j-1] + 1
else:
dp[i][j] = max(dp[i-1][j],dp[i][j-1])
return dp[-1][-1]
运行结果
7.杨辉三角形
题目描述
解法一
解题思路
动态规划
计算杨辉三角存储在数组a,然后判断a[-1]是否等于n,等于返回数组a长度,否则继续计算杨辉三角。
python代码
#杨辉三角
def solution(n):
a = [1]
row = i = 1
while True:
row += 1
while i < row*(row+1)//2:
if a[-1] == n:
return len(a)
if i == row*(row+1)//2 - 1 or i == row*(row+1)//2 - row:
a.append(1)
else:
a.append(a[i-row]+a[i-row+1])
i += 1
if __name__ == '__main__':
n = 6
ans = solution(n)
print(ans)
运行结果
8.节点选择
题目描述
有一棵 n 个节点的树,树上每个节点都有一个正整数权值。如果一个点被选择了,那么在树上和它相邻的点都不能被选择。求选出的点的权值和最大是多少?
样例输入
5
1 2 3 4 5
1 2
1 3
2 4
2 5
样例输出
12
解法一
解题思路
dfs
python代码
#节点选择
def check(a,k):
for i in range(len(grah[k])):
if grah[k][i] == 1 and a[i] == 1:
return False
return True
def dfs(start,end):
global ans
if start == end:
tmp = 0
for i in range(end):
if a[i] == 1:
tmp += weight[i]
ans = max(ans,tmp)
return
for i in range(start,end):
if check(a,i):
a[i] = 1
dfs(start+1,end)
a[i] = 0
if __name__ == '__main__':
n = int(input())
a = [0]*n
weight = list(map(int,input().split()))
grah = [[0]*n for _ in range(n)]
count = 0
while count < n-1:
i,j = map(int,input().split())
grah[i-1][j-1] = 1
grah[j-1][i-1] = 1
count += 1
ans = 0
dfs(0,n)
print(ans)
运行结果
9.耐摔指数
题目描述
x 星球有很多高耸入云的高塔,刚好可以用来做耐摔测试。
塔的各层高度都是一样的。他们的第 1 层不是地面,而是相当于我们的 2 楼。
他们的地面层为 0 层。如果手机从第 7 层扔下去没摔坏,但第 8 层摔坏了,则
手机耐摔指数 = 7。
特别地,如果手机从第 1 层扔下去就坏了,则耐摔指数 = 0。
如果到了塔的最高层第 n 层扔没摔坏,则耐摔指数 = n。
为了加快测试进度,从每个型号手机中,抽样 3 部参加测试。
问题来了:如果已知了测试塔的高度 n,并且采用最佳的策略,在最坏的运气下
需要测试多少次才能确定手机的耐摔指数呢?
解法一
解题思路
python代码
#耐摔指数
def solution(n):
i = sum1 = sum2 = 0
while sum2 < n:
i += 1
sum2 += (sum1+1)
sum1 += i
return i
if __name__ == '__main__':
n = int(input())
ans = solution(n)
print(ans)
运行结果
10.K 好数
题目描述
如果一个自然数 N 的 K 进制表示中任意的相邻的两位都不是相邻的数字,那么
我们就说这个数是 K 好数。求 L 位 K 进制数中 K 好数的数目。例如 K = 4,L = 2
的时候,所有 K 好数为 11、13、20、22、30、31、33 共 7 个。由于这个数目很
大,请你输出它对 1000000007 取模后的值。
输入格式
输入包含两个正整数,K 和 L。
输出格式
输出一个整数,表示答案对 1000000007 取模后的值。
样例输入
4 2
样例输出
7
解法一
解题思路
动态规划
在k进制的前提下,dp[i][j]表示,有 i+1 位长且以 j 为最后 以为结尾时dp[i][j]个k好数
dp[i][j] += dp[i-1][n] ,(|n-j| != 1,0<=n<k)
当只有1位时
0不能为第一位,故dp[0][0] = 0
1,2,3都可以为第一位且只有1种情况,故dp[0][1] = 1;dp[0][2] = 1;dp[0][3] = 1,即:
L\K | 0 | 1 | 2 | 3 |
---|---|---|---|---|
1 | 0 | 1 | 1 | 1 |
当有2位时
0结尾时,dp[1][0] = dp[0][0] + dp[0][2] + dp[0][3] = 0+1+1 = 2
1结尾时,dp[1][1] = dp[0][1] + dp[0][3] = 1+1 = 2
2结尾时,dp[1][2] = dp[0][0] + dp[0][2] = 0+1 = 1
3结尾时,dp[1][3] = dp[0][0] + dp[0][1] + dp[0][3] = 0+1+1 = 2
L\K | 0 | 1 | 2 | 3 |
---|---|---|---|---|
1 | 0 | 1 | 1 | 1 |
2 | 2 | 2 | 1 | 2 |
当有3位时
0结尾时,dp[2][0] = dp[0][0] + dp[0][2] + dp[0][3] = 2+1+2 = 5
1结尾时,dp[2][1] = dp[0][1] + dp[0][3] = 2+2 = 4
2结尾时,dp[2][2] = dp[0][0] + dp[0][2] = 2+1 = 3
3结尾时,dp[2][3] = dp[0][0] + dp[0][1] + dp[0][3] = 2+2+2 = 6
L\K | 0 | 1 | 2 | 3 |
---|---|---|---|---|
1 | 0 | 1 | 1 | 1 |
2 | 2 | 2 | 1 | 2 |
3 | 5 | 4 | 3 | 6 |
故,递推公式为
python代码
#K 好数
def solution(k,L):
dp = [[0]*k for _ in range(L)]
for i in range(k):
dp[0][i] = 1
dp[0][0] = 0
for i in range(1,L):
for j in range(k):
for j2 in range(k):
if abs(j-j2) != 1:
dp[i][j] += dp[i-1][j2]
dp[i][j] = dp[i][j]%1000000007
return sum(dp[L-1])%1000000007
if __name__ == '__main__':
k = 4
L = 2
ans = solution(k,L)
print(ans)
运行结果