当前位置: 首页 > news >正文

【算法】动态规划:python实现 1

在这里插入图片描述

# 动态规划实现青蛙跳跃问题
def frog_jump(n: int) -> int:"""计算青蛙跳跃到第n级台阶的不同跳法数量:param n: 台阶数:return: 跳法数量"""if n <= 1:return 1dp = [0] * (n + 1)dp[0], dp[1] = 1, 1for i in range(2, n + 1):dp[i] = dp[i - 1] + dp[i - 2]return dp[n]# 动态规划实现爬楼梯
def climb_stairs(n: int) -> int:"""计算爬到第n级台阶的不同方法数量:param n: 台阶数:return: 方法数量"""if n <= 1:return 1dp = [0] * (n + 1)dp[0], dp[1] = 1, 1for i in range(2, n + 1):dp[i] = dp[i - 1] + dp[i - 2]return dp[n]# 动态规划实现最长递增子序列
def longest_increasing_subsequence(nums: list) -> int:"""计算给定数组的最长递增子序列长度:param nums: 输入数组:return: 最长递增子序列长度"""if not nums:return 0dp = [1] * len(nums)for i in range(len(nums)):for j in range(i):if nums[i] > nums[j]:dp[i] = max(dp[i], dp[j] + 1)return max(dp)#动态规划实现打家劫舍
def rob(nums: list) -> int:"""计算打家劫舍问题的最大收益:param nums: 每个房屋的金额列表:return: 最大收益"""if not nums:return 0if len(nums) == 1:return nums[0]dp = [0] * len(nums)dp[0], dp[1] = nums[0], max(nums[0], nums[1])for i in range(2, len(nums)):dp[i] = max(dp[i - 1], dp[i - 2] + nums[i])return dp[-1]#动态规划实现最小费用怕楼梯
def min_cost_climbing_stairs(cost: list) -> int:"""计算最小费用爬楼梯问题的最小费用:param cost: 每个台阶的费用列表:return: 最小费用"""if not cost:return 0n = len(cost)if n == 1:return cost[0]dp = [0] * (n + 1)dp[0], dp[1] = 0, cost[0]for i in range(2, n + 1):dp[i] = min(dp[i - 1] + (cost[i - 1] if i - 1 < n else 0),dp[i - 2] + (cost[i - 2] if i - 2 < n else 0))return dp[n]#动态规划实现最长公共子序列
def longest_common_subsequence(text1: str, text2: str) -> int:"""计算最长公共子序列的长度:param text1: 第一个字符串:param text2: 第二个字符串:return: 最长公共子序列的长度"""m, n = len(text1), len(text2)dp = [[0] * (n + 1) for _ in range(m + 1)]for i in range(1, m + 1):for j in range(1, n + 1):if text1[i - 1] == text2[j - 1]:dp[i][j] = dp[i - 1][j - 1] + 1else:dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])return dp[m][n]# 动态规划实现编辑距离
def edit_distance(str1: str, str2: str) -> int:"""计算两个字符串之间的编辑距离:param str1: 第一个字符串:param str2: 第二个字符串:return: 编辑距离"""m, n = len(str1), len(str2)dp = [[0] * (n + 1) for _ in range(m + 1)]for i in range(m + 1):for j in range(n + 1):if i == 0:dp[i][j] = j  # 如果str1为空,插入所有字符到str2elif j == 0:dp[i][j] = i  # 如果str2为空,删除所有字符从str1elif str1[i - 1] == str2[j - 1]:dp[i][j] = dp[i - 1][j - 1]  # 字符相同,不需要操作else:dp[i][j] = min(dp[i - 1][j] + 1,   # 删除dp[i][j - 1] + 1,   # 插入dp[i - 1][j - 1] + 1)  # 替换return dp[m][n]#动态规划实现第 N 个泰波那契数
def tribonacci(n: int) -> int:"""计算第 N 个泰波那契数:param n: N 的值:return: 第 N 个泰波那契数"""if n == 0:return 0elif n == 1 or n == 2:return 1dp = [0] * (n + 1)dp[0], dp[1], dp[2] = 0, 1, 1for i in range(3, n + 1):dp[i] = dp[i - 1] + dp[i - 2] + dp[i - 3]return dp[n]
http://www.lqws.cn/news/593911.html

相关文章:

  • 前端开发git的使用(常用命令和规范)
  • Python ORM 完全指南:从基础到高级实践
  • UI前端大数据可视化实战技巧分享:如何选择合适的颜色与图表类型?
  • MATLAB构建capm和三因子模型
  • t检验​、​z检验、χ²检验中的P值
  • rabbitmq动态创建交换机、队列、动态绑定,销毁
  • 企业上网行为管理:零信任安全产品的对比分析
  • go语言安装达梦数据完整教程
  • 大数据在UI前端的应用创新研究:基于自然语言处理的用户意图识别
  • Spring生态的核心组件演进
  • 21、鸿蒙学习——使用App Linking实现应用间跳转
  • 推客系统小程序终极指南:从0到1构建自动裂变增长引擎,实现业绩10倍增长!
  • 使用tensorflow的线性回归的例子(二)
  • 【第二章:机器学习与神经网络概述】04.回归算法理论与实践 -(2)支持向量回归(SVR)
  • linux魔术字定位踩内存总结
  • GORM 删除的重要特性:软删除实践案例(优化版)
  • 前端计算机视觉:使用 OpenCV.js 在浏览器中实现图像处理
  • React:利用React.memo和useCallback缓存弹窗组件
  • Oracle 常用函数
  • 设置linux静态IP
  • 测试第六讲-测试模型分类
  • RabbitMQ - SpringAMQP及Work模型
  • 信息化项目验收,软件工程评审和检查表单
  • Qt中使用QSettings数据或结构体到INI文件
  • 边缘人工智能与医疗AI融合发展路径:技术融合与应用前景(下)
  • 区块链存证:数字时代的法律盾牌还是技术乌托邦?
  • 数据结构day5——队列和树
  • 县级智慧水务一体化方案及落地案例PPT(39页)
  • 8.Docker镜像讲解
  • 高强螺栓的计算与选用