高楼扔鸡蛋-memorization search


title: 高楼扔鸡蛋-memorization search
date: 2020-06-07 21:51:12
tags:


高楼扔鸡蛋-memorization search

文章目录

题解:

LeetCode 887. Super Egg Drop.

这是一道经典的谷歌面试题,某公司今天的笔试题出了这道题(只不过扔的不是鸡蛋)。

理解题意

这道题是总共有N层楼,K个鸡蛋,找到鸡蛋摔破的极限楼层。最小需要尝试多少次,

(表示我第一次看到这道题,以为是一道数学题,并且还想眼巴巴的算出来。)

考虑状态转移,很容易想到动态规划。

假设从h楼摔下,如果摔碎,则状态变为:(K-1, h-1) (即K-1个鸡蛋,总共有h-1楼)

如果没摔碎,则状态变为:(K, N-h)

由此很容易写出递推式:

d p [ k ] [ n ] = m i n ( 1 + m a x ( d p [ k − 1 ] [ i − 1 ] , d p [ k ] [ n − i ] ) )   i = 1... n dp[k][n] = min(1+max(dp[k-1][i-1], dp[k][n-i])) \ i=1...n dp[k][n]=min(1+max(dp[k1][i1],dp[k][ni])) i=1...n

由递推式得到代码:

class Solution {
    public int superEggDrop(int K, int N) {
        int[][] dp = new int[K+1][N+1];
        for (int i = 1; i < K+1; i++) {
            for (int j = 1; j < N+1; j++) {
                dp[i][j] = j;
            }
        }
        for (int i = 2; i < K+1; i++) {
            for (int j = 1; j < N+1; j++) {
                for (int j2 = 1; j2 < j; j2++) {
                    dp[i][j] = Math.min(dp[i][j], Math.max(dp[i-1][j2-1], dp[i][j-j2])+1);   
                }
            }
        }
        return dp[K][N];
    }
}

递归版:

class Solution {
    public int superEggDrop(int K, int N) {
        int[][] memo = new int[K + 1][N + 1];
        return dfs(K, N, memo);
    }
    public int dfs(int K, int N, int[][] memo){
        // base case
        if(N<=1 || K==1){
            return N;
        }
        // memorization
        if(memo[K][N]>0) 
            return memo[K][N];
        int min = N;
        for (int i = 1; i < N; i++) {
            int left = dfs(K-1, i-1, memo);
            int right = dfs(K, N-i, memo);
            min = Math.min(min, Math.max(left, right)+1); 
        }
        memo[K][N] = min;
        return min;
    }
}

这样会超时,优化!从迭代版的代码可以看出,时间复杂度为 O ( K N 2 ) O(KN^2) O(KN2),其中搜索$dp[k][n] = min(1+max(dp[k-1][i-1], dp[k][n-i])) \ i=1…n 中 的 i 可 以 用 二 分 搜 索 。 从 而 将 时 间 复 杂 度 将 为 中的i可以用二分搜索。从而将时间复杂度将为 iO(KNlogN)$.

class Solution {
    public int superEggDrop(int K, int N) {
        int[][] dp = new int[K+1][N+1];
        for (int i = 1; i < K+1; i++) {
            for (int j = 1; j < N+1; j++) {
                dp[i][j] = j;
            }
        }
        for (int i = 2; i < K+1; i++) {
            for (int j = 1; j < N+1; j++) {
                int lo =1, hi  = j;
                int min = dp[i][j];
                while(lo<hi){
                    int mid = lo+(hi-lo)/2;
                    int left = dp[i-1][mid-1];
                    int right = dp[i][j-mid];
                    min = Math.min(min, Math.max(left, right)+1);
                    if(left == right)
                        break;
                    else if(left < right)
                        lo = mid+1;
                    else
                        hi = mid;
                }
                dp[i][j] = min;
            }
        }
        return dp[K][N];
    }
}

递归版:

class Solution {
    public int superEggDrop(int K, int N) {
        int[][] memo = new int[K + 1][N + 1];
        return dfs(K, N, memo);
    }
    public int dfs(int K, int N, int[][] memo){
        // base case
        if(N<=1 || K==1){
            return N;
        }
        // memorization
        if(memo[K][N]>0) 
            return memo[K][N];
        int lo=1, hi =N, res = N;
        while(lo<hi){
            int mid = lo + (hi-lo)/2 ;
            int left = dfs(K-1, mid-1, memo);
            int right = dfs(K, N-mid, memo);
            res = Math.min(res, Math.max(left, right)+1);
            if(left==right){
                break;
            }else if(left<right){
                lo = mid+1;
            }else{
                hi=mid;
            }
        }
        memo[K][N] = res;
        return res;
    }
}
内容概要:本文档围绕“经济学期刊论文复现:数字化转型能否促进企业的高质量发展”这一核心命题,系统整合了MATLAB与Python编程实现的大量科研案例,聚焦于数字化转型对企业全要素生产率(TFP)及高质量发展影响的实证研究。文档不仅复现了高水平经济学期刊论文中的计量经济模型,如基于中国上市公司数据的数字化转型与生产率关系分析,还深度融合了工程领域的建模技术,涵盖微电网优化、负荷预测、风电光伏不确定性建模、电力系统故障仿真等。同时,提供了智能优化算法(如遗传算法、粒子群优化)、机器学习(LSTM、CNN-BiGRU-Attention)、信号处理、路径规划等多学科交叉的技术资源,构建了一个从理论推导到代码实现的完整科研支持体系,旨在帮助研究者系统掌握论文复现与实证分析的核心方法。; 适合人群:具备一定MATLAB或Python编程基础,从事经济学、管理学、能源系统、智能制造及相关交叉学科研究的研究生、科研人员及高校教师。; 使用场景及目标:①复现经济学顶刊中关于数字化转型与企业高质量发展的实证模型;②学习如何量化数字化转型并构建其对企业绩效的影响评估框架;③掌握基于真实数据的计量经济建模、场景生成与优化调度仿真技术,全面提升科研论文写作与实证研究能力。; 阅读建议:建议读者结合文中提供的代码与数据资源,重点研读“论文复现”与“创新未发表”模块,按照技术路径循序渐进地实现模型复现与拓展。推荐关注“荔枝科研社”公众号及百度网盘链接获取完整资料,系统性地开展学习与科研实践。
下载代码方式:https://pan.quark.cn/s/9de6a9d0b3d8 依据所提供的文件内容,能够推导出此段程序的核心任务在于对一个任意的三位数进行拆解,并且分别呈现该数值的百位、十位及个位部分。随后,我们将对该知识点进行进一步的深入研究。 ### 一、程序功能说明 #### 1. 接收任意一个三位数输入 程序起始阶段运用`scanf`函数来获取用户输入的一个整数。为确保输入内容确实为一个三位数,在实际应用场景中通常需要嵌入验证机制来保障输入的有效性。然而,在本示例情形下,该环节被简化处理,预设用户总会准确输入一个三位数。 #### 2. 实施数字的拆分并提取各位置数值 程序借助一系列数学计算来对三位数进行拆分,将其转化为百位、十位和个位三个独立的构成部分。具体而言,通过除法和取模运算完成了这一过程。 #### 3. 展示各位置上的数值 程序运用`printf`函数来输出原始数值以及各个位上的数值。需要留意的是,代码中的输出部分似乎存在一些混淆,存在语法上的错误,例如多余的`printf`语句和乱码字符等问题。 ### 二、核心代码分析 #### 1. 数字拆分逻辑 ```c a[0] = n / 1000; // 提取千位数,但鉴于题目要求是三位数,此处应为百位数 a[1] = n % 1000 / 100; // 提取百位数 a[2] = n % 1000 % 100 / 10; // 提取十位数 a[3] = n % 1000 % 100 % 10; // 提取个位数 ``` 这段代码通过一连串的除法和取模运算,成功地将输入的数字n拆分为百位、十位和个位三个独立的构成部分,...
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