algorithm/hello-algo
1
0
Fork 0
mirror of https://github.com/krahets/hello-algo.git synced 2025-11-02 04:31:55 +08:00
Code Issues Packages Projects Releases Wiki Activity

Fix a definition.

Browse Source
This commit is contained in:
krahets
2023-08-27 00:50:18 +08:00
parent debf42b189
commit 9731a46d67
85 changed files with 167 additions and 159 deletions
Download Patch File Download Diff File Expand all files Collapse all files

2
codes/java/chapter_dynamic_programming/climbing_stairs_dp.java
View File

@ -23,7 +23,7 @@ public class climbing_stairs_dp {
return dp[n];
}
/* 爬楼梯：状态压缩后的动态规划 */
/* 爬楼梯：空间优化后的动态规划 */
public static int climbingStairsDPComp(int n) {
if (n == 1 || n == 2)
return n;

4
codes/java/chapter_dynamic_programming/coin_change.java
View File

@ -34,7 +34,7 @@ public class coin_change {
return dp[n][amt] != MAX ? dp[n][amt] : -1;
}
/* 零钱兑换：状态压缩后的动态规划 */
/* 零钱兑换：空间优化后的动态规划 */
static int coinChangeDPComp(int[] coins, int amt) {
int n = coins.length;
int MAX = amt + 1;
@ -65,7 +65,7 @@ public class coin_change {
int res = coinChangeDP(coins, amt);
System.out.println("凑到目标金额所需的最少硬币数量为 " + res);
// 状态压缩后的动态规划
// 空间优化后的动态规划
res = coinChangeDPComp(coins, amt);
System.out.println("凑到目标金额所需的最少硬币数量为 " + res);
}

4
codes/java/chapter_dynamic_programming/coin_change_ii.java
View File

@ -31,7 +31,7 @@ public class coin_change_ii {
return dp[n][amt];
}
/* 零钱兑换 II：状态压缩后的动态规划 */
/* 零钱兑换 II：空间优化后的动态规划 */
static int coinChangeIIDPComp(int[] coins, int amt) {
int n = coins.length;
// 初始化 dp 表
@ -60,7 +60,7 @@ public class coin_change_ii {
int res = coinChangeIIDP(coins, amt);
System.out.println("凑出目标金额的硬币组合数量为 " + res);
// 状态压缩后的动态规划
// 空间优化后的动态规划
res = coinChangeIIDPComp(coins, amt);
System.out.println("凑出目标金额的硬币组合数量为 " + res);
}

4
codes/java/chapter_dynamic_programming/edit_distance.java
View File

@ -83,7 +83,7 @@ public class edit_distance {
return dp[n][m];
}
/* 编辑距离：状态压缩后的动态规划 */
/* 编辑距离：空间优化后的动态规划 */
static int editDistanceDPComp(String s, String t) {
int n = s.length(), m = t.length();
int[] dp = new int[m + 1];
@ -132,7 +132,7 @@ public class edit_distance {
res = editDistanceDP(s, t);
System.out.println("将 " + s + " 更改为 " + t + " 最少需要编辑 " + res + " 步");
// 状态压缩后的动态规划
// 空间优化后的动态规划
res = editDistanceDPComp(s, t);
System.out.println("将 " + s + " 更改为 " + t + " 最少需要编辑 " + res + " 步");
}

4
codes/java/chapter_dynamic_programming/knapsack.java
View File

@ -69,7 +69,7 @@ public class knapsack {
return dp[n][cap];
}
/* 0-1 背包：状态压缩后的动态规划 */
/* 0-1 背包：空间优化后的动态规划 */
static int knapsackDPComp(int[] wgt, int[] val, int cap) {
int n = wgt.length;
// 初始化 dp 表
@ -109,7 +109,7 @@ public class knapsack {
res = knapsackDP(wgt, val, cap);
System.out.println("不超过背包容量的最大物品价值为 " + res);
// 状态压缩后的动态规划
// 空间优化后的动态规划
res = knapsackDPComp(wgt, val, cap);
System.out.println("不超过背包容量的最大物品价值为 " + res);
}

2
codes/java/chapter_dynamic_programming/min_cost_climbing_stairs_dp.java
View File

@ -26,7 +26,7 @@ public class min_cost_climbing_stairs_dp {
return dp[n];
}
/* 爬楼梯最小代价：状态压缩后的动态规划 */
/* 爬楼梯最小代价：空间优化后的动态规划 */
public static int minCostClimbingStairsDPComp(int[] cost) {
int n = cost.length - 1;
if (n == 1 || n == 2)

4
codes/java/chapter_dynamic_programming/min_path_sum.java
View File

@ -71,7 +71,7 @@ public class min_path_sum {
return dp[n - 1][m - 1];
}
/* 最小路径和：状态压缩后的动态规划 */
/* 最小路径和：空间优化后的动态规划 */
static int minPathSumDPComp(int[][] grid) {
int n = grid.length, m = grid[0].length;
// 初始化 dp 表
@ -118,7 +118,7 @@ public class min_path_sum {
res = minPathSumDP(grid);
System.out.println("从左上角到右下角的做小路径和为 " + res);
// 状态压缩后的动态规划
// 空间优化后的动态规划
res = minPathSumDPComp(grid);
System.out.println("从左上角到右下角的做小路径和为 " + res);
}

4
codes/java/chapter_dynamic_programming/unbounded_knapsack.java
View File

@ -27,7 +27,7 @@ public class unbounded_knapsack {
return dp[n][cap];
}
/* 完全背包：状态压缩后的动态规划 */
/* 完全背包：空间优化后的动态规划 */
static int unboundedKnapsackDPComp(int[] wgt, int[] val, int cap) {
int n = wgt.length;
// 初始化 dp 表
@ -56,7 +56,7 @@ public class unbounded_knapsack {
int res = unboundedKnapsackDP(wgt, val, cap);
System.out.println("不超过背包容量的最大物品价值为 " + res);
// 状态压缩后的动态规划
// 空间优化后的动态规划
res = unboundedKnapsackDPComp(wgt, val, cap);
System.out.println("不超过背包容量的最大物品价值为 " + res);
}