Day14 動態規劃(3)

一.746. 使用最小花費爬樓梯

FS+記憶化搜索優化:

const int N = 1010;class Solution {
public:int mem[N];int dfs(vector<int>& cost, int x){if(mem[x]) return mem[x];int sum = 0;if(x == 0 || x == 1) return 0;else{sum = min(dfs(cost, x - 1) + cost[x - 1], dfs(cost, x - 2) + cost[x - 2]);}mem[x] = sum;return sum;}int minCostClimbingStairs(vector<int>& cost) {int n = cost.size();int ans = dfs(cost, n);return ans;}
};

?動態規劃:
?


class Solution {
public:int minCostClimbingStairs(vector<int>& cost) {const int N = 1010;int n = cost.size();int f[N];for(int i = 2; i <= n; i++){f[i] = min(f[i - 1] + cost[i - 1], f[i - 2] + cost[i - 2]);}return f[n];}
};

二.300. 最長遞增子序列

const int N = 2510;class Solution {
public:int mem[N];int dfs(vector<int>& nums, int x){if(mem[x]) return mem[x];int ans = 1;for(int i = 0; i < x; i++){if(nums[i] < nums[x]){ans = max(ans, dfs(nums, i) + 1);}}mem[x] = ans;return ans;}int lengthOfLIS(vector<int>& nums) {int n = nums.size();int ans = INT_MIN;int f[N];// for(int i = 0; i < n; i++){//     ans = max(ans, dfs(nums, i));// }// return ans;    for(int i = 0; i < n; i++){f[i] = 1;for(int j = 0; j < i; j++){if(nums[j] < nums[i]){f[i] = max(f[i], f[j] + 1);}}}return f[n];}
};

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/diannao/76223.shtml
繁體地址,請注明出處:http://hk.pswp.cn/diannao/76223.shtml
英文地址,請注明出處:http://en.pswp.cn/diannao/76223.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

解鎖AI潛能:模型上下文協議(MCP)的革新與應用

解鎖AI潛能:模型上下文協議(MCP)的革新與應用 在人工智能發展的當下,大語言模型(LLM)正逐步滲透到各個領域。從智能客服快速響應客戶咨詢,到智能編程助手協助開發者高效編寫代碼,LLM展現出強大的能力。然而,隨著應用的深入會面臨一個問題:模型與數據之間的連接困境。…

windows與ubuntu雙硬盤雙系統安裝及啟動(全流程成功)

&#x1f451;主頁&#xff1a;吾名招財 &#x1f453;簡介&#xff1a;工科學碩&#xff0c;研究方向機器視覺&#xff0c;愛好較廣泛… ?&#x1f4ab;簽名&#xff1a;面朝大海&#xff0c;春暖花開&#xff01; windows與ubuntu雙硬盤雙系統安裝及啟動&#xff08;全流程成…

【學習筆記】計算機網絡(六)

第6章應用層 文章目錄 第6章應用層6.1 域名系統DNS6.1.1 域名系統概述6.1.2 互聯網的域名結構6.1.3 域名服務器域名服務器的分區管理DNS 域名服務器的層次結構域名服務器的可靠性域名解析過程-兩種查詢方式DNS 高速緩存機制 6.2 文件傳送協議6.2.1 FTP 概述6.2.2 FTP 的基本工作…

Python擴展知識詳解:lambda函數

目錄 前言 1 基本知識點 語法 特點 代碼示例 2 常見使用場景 1. 與高階函數配合使用 2. 作為排序鍵來使用 3. 立即調用函數 4. 在字典中使用 3 高級用法&#xff08;進階版&#xff09; 1. 多參數lambda 2. 設置默認參數 3. 嵌套lambda 注意事項 何時…

Android: Fragment 的使用指南

Android 中 Fragment 的使用指南 Fragment 是 Android 應用開發中的重要組件&#xff0c;它代表 Activity 中的一部分 UI 或行為&#xff0c;可以組合多個 Fragment 在一個 Activity 中構建多窗格 UI&#xff0c;并在不同 Activity 中重復使用某個 Fragment。 基本概念 Frag…

Vue React

Vue 的源碼主要分為以下幾個部分&#xff1a; 主要涉及 響應式、虛擬 DOM、組件系統、編譯器、運行時。 ├── packages/ │ ├── compiler-core/ # 編譯器核心 │ ├── compiler-sfc/ # 處理 .vue 單文件組件 │ ├── compiler-dom/ # 處理 DOM 相關…

項目實戰--權限列表

后端數據&#xff1a; 用表格實現權限列表 const dataSource [{key: 1,name: 胡彥斌,age: 32,address: 西湖區湖底公園1號,},{key: 2,name: 胡彥祖,age: 42,address: 西湖區湖底公園1號,}, ];const columns [{title: 姓名,dataIndex: name,key: name,},{title: 年齡,dataInd…

私有知識庫 Coco AI 實戰(一):Linux 平臺部署

Coco AI 是一個完全開源、跨平臺的統一搜索和生產力工具&#xff0c;能夠連接各種數據源&#xff0c;包括應用程序、文件、Google Drive、Notion、Yuque、Hugo 等&#xff0c;幫助用戶快速智能地訪問他們的信息。通過集成 DeepSeek 等大型模型&#xff0c;Coco AI 實現了智能個…

【大模型】微調一個大模型需要多少 GPU 顯存?

視頻鏈接&#xff1a;微調一個模型需要多少GPU顯存&#xff1f; up 主頁&#xff1a;AI老兵tags&#xff1a; #GPU顯存 #模型微調 #LoRA #QLoRA #參數計算 本集視頻詳細介紹了在模型微調過程中 GPU顯存需求的計算方法&#xff0c;包括全量微調和高效微調&#xff08;如 LoRA&am…

Lambda 表達式是什么以及如何使用

目錄 &#x1f4cc; Kotlin 的 Lambda 表達式詳解 &#x1f3af; 什么是 Lambda 表達式&#xff1f; &#x1f525; 1. Lambda 表達式的基本語法 ? 示例 1&#xff1a;Lambda 基本寫法 ? 示例 2&#xff1a;使用 it 關鍵字&#xff08;單參數簡化&#xff09; ? 示例 3…

全文 MLIR TOY -- Chapter2: 發出基本的 MLIR——把AST變成SSA的 MLIR Dialect IR

現在我們已經熟悉 Toy 語言和它的AST表示&#xff0c;現在讓我們看看 MLIR 是怎樣幫助編譯 Toy 源程序的。 簡介&#xff1a;多層中間表示 其他的編譯器&#xff0c;像 LLVM&#xff0c;是提供一個固定的預定義類型和指令&#xff08;通常是底層的像 RISC的指令&#xff09;。對…

一個判斷A股交易狀態的python腳本

最近在做股票數據相關的項目&#xff0c;需要用到判斷某一天某個時刻A股的狀態&#xff0c;比如休市&#xff0c;收盤&#xff0c;交易中等&#xff0c;發動腦筋想了一下&#xff0c;這個其實還是比較簡單的&#xff0c;這里我把實現方法分享給大家。 思路 當天是否休市 對于某…

LLaMA Factory微調后的大模型在vLLM框架中對齊對話模版

LLaMA Factory微調后的大模型Chat對話效果&#xff0c;與該模型使用vLLM推理架構中的對話效果&#xff0c;可能會出現不一致的情況。 下圖是LLaMA Factory中的Chat的對話 下圖是vLLM中的對話效果。 模型回答不穩定&#xff1a;有一半是對的&#xff0c;有一半是無關的。 1、未…

004 健身房個性化訓練計劃——金丹期(體態改善)

個人筆記使用。 01 肱骨前移 1.放松肩前束 2.放松肩后束 2.5kg啞鈴側展 泡沫軸上下滾 招財貓 肱二頭 02 溜肩 寬距的坐姿劃船 上頂

【已開源】UniApp+vue3跨端應用從0到1開發指南、uniapp+vue3模板應用

在跨端開發日益成為主流的今天&#xff0c;如何高效構建規范、可維護的企業級應用&#xff1f;本文以UniAppVue3* *TypeScript**為核心技術棧&#xff0c;手把手帶你從零搭建高標準的跨平臺項目。 通過本文&#xff0c;你將系統掌握&#xff1a; ? 環境配置&#xff1a;Node…

線程池設計

線程池實際上也是一個生產者消費者模型&#xff0c;線程池可以讓多個線程去任務隊列中取任務&#xff0c;執行任務&#xff0c;適用于需要大量的線程來完成任務且完成任務的時間較短。 #include "log.hpp" #include <mutex> #include <condition_variable&…

黑盒測試的正交實驗法

背景: 利用因果圖法、判定表法可以幫助我們對于輸入數據的組合情況進行用例設計&#xff0c;但當輸入數據的組合數量巨大時&#xff0c;由于不太可能覆蓋到每個輸入組合的測試情況&#xff0c;因果圖法或判定表法可能就不太適用了&#xff0c;可以采用正交實驗法、來合理地減少…

Linux內核編程

linux 系 統 在 2 4 4 0 上 的 啟 動 過 程 分 三個 階 段 u-boot的啟動 1.先分清寄存器的分類 RAM的分類 ROM的分類 Mini2440開發板的存 儲器配置 Mini2440開發板板載: 1. 64MB sdram; 2. 256MB nand-flash; 3. 2MB nor-flash; 4. s3c2440內部還有4KB iram; Mini2440的啟…

黑盒測試的判定表法(能對多條件依賴關系進行設計測試點)

定義: 判定表是分析和表達多邏輯條件下執行不同操作的工具。就是指把所有的輸入條件、所有可能采取的動作按表格列出來&#xff0c;每一種條件和動作的組合構成一條規則&#xff0c;也即一條用例。 1.判定表法的引用 等價類邊界值分析法主要關注單個輸入類條件的測試并未考慮…

從零構建大語言模型全棧開發指南:第四部分:工程實踐與部署-4.1.2ONNX格式轉換與TensorRT部署

?? 點擊關注不迷路 ?? 點擊關注不迷路 ?? 點擊關注不迷路 文章大綱 從零構建大語言模型全棧開發指南-第四部分:工程實踐與部署4.1.2 ONNX格式轉換與TensorRT部署1. 模型部署的核心挑戰與價值2. ONNX格式轉換技術詳解2.1 ONNX技術棧組成2.2 轉換流程與關鍵技術2.3 轉換常…