【动态规划】详解分组背包问题
目录
1. 问题引入
2. dp 公式
3. 题目
3.1 二维数组解法
3.2 一维数组解法
4. 相关题目
5. 小结
1. 问题引入本文前置文章：
【动态规划】详解 0-1背包问题
【动态规划】详解完全背包问题
下面是两种背包模式的区别：
0 - 1 背包 是说：有 n 个物品和一个重量为 t 的背包，这 n
数学
【C++动态规划】1105. 填充书架|2104
本文涉及知识点下载及打开打包代码的方法兼述单元测试 C++动态规划
LeetCode1105. 填充书架给定一个数组 books ，其中 books[i] = [thicknessi, heighti] 表示第 i 本书的厚度和高度。你也会得到一个整数 shelfWidth 。 按顺序 将这些书摆放到总宽度为 shelfWidth 的书架上。 先选几本书放在
动态规划经典应用：网格路径问题详解
5.不同路径不同路径 一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为 “Start” ）。机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中标记为 “Finish” ）。问总共有多少条不同的路径？示例 1：输入： m = 3, n = 7
一文搞懂动态规划：从入门到精通
目录一、动态规划是什么？二、动态规划的核心原理2.1 最优子结构2.2 无后效性2.3 重叠子问题三、动态规划解题步骤3.1 定义状态3.2 推导状态转移方程3.3 设定边界条件四、动态规划经典例题解析4.1 斐波那契数列4.2 背包问题4.2.1 01 背包问题4.2.2 完全背包问题4.3 最长公共子序列五、动态规划应用场景5.1 资源分配领域5.2 任务调度领域5.3 金融投资领域六、总结与
从动态规划到贪心算法&活动选择问题
活动选择问题简介活动选择问题（Activity Selection Problem） 是贪心算法中的一个经典问题，属于调度问题的范畴。其核心目标是从一系列竞争同一资源（如时间、场地等）的活动中，选择一个最大兼容活动子集，使得这些活动能够在不冲突的情况下进行。
问题描述给定一组活动 S={a1
线性代数期末考试必考大题——向量极大无关组与秩
在《线性代数》的期末考试中，“求向量组的极大线性无关组与秩”是一个高频考点。本文将通过解题步骤 + 示例分析 + 常见误区解析的方式，帮助你系统掌握这类题型的解法。
🔍 解题步骤总结
Step 1: 构造矩阵
将所有向量作为列向量排列，构成一个矩阵。
无论原始向量是行向量还是列向量，都要统一为列向量进行处理。
【算法学习计划】动态规划 -- 背包问题（01背包和完全背包）
目录DP41 【模板】01背包leetcode 416.分割等和子集leetcode 494.目标和leetcode 1049.最后一块石头的重量ⅡDP42 【模板】完全背包leetcode 322.零钱兑换leetcode 518.零钱兑换Ⅱleetcode 279.完全平方数今天，我们将通过 8 道题目，来带各位了解并掌握动态规划中背包问题，但是只有0
Java集合类框架矩阵图解析
本文还有配套的精品资源，点击获取 简介：Java集合类矩阵图是学习Java编程的核心概念之一，提供了一个直观的展示，涉及集合框架中接口、类及其关系。本图解通过展示各种集合类如ArrayList、LinkedList、HashSet、HashMap的特性、性能和适用场景，帮助开发者更清晰地理解集合框架的层次结构和实现方式
动态规划递归与迭代实现对比
引言在动态规划的实现中，我们通常有两种主要的编程范式：递归（自顶向下）和迭代（自底向上）。这两种方法各有优缺点，选择哪种实现方式往往取决于问题的特性、程序员的偏好以及性能考量。
自顶向下vs自底向上：何时选择哪种方式动态规划有两种基本实现方式：自顶向下的递归实现（通常结合记忆化搜索）和自底向上的迭代实现。理解这两种方法的区别和适用场景，对于高效解决动态规划问题至关重要。
自顶向下方法（递归+记忆
LeetCode-图论-岛屿数量+腐烂的橘子
LeetCode-图论-岛屿数量+腐烂的橘子
✏️ 关于专栏：专栏用于记录 prepare for the coding test。
文章目录
LeetCode-图论-岛屿数量+腐烂的橘子
📝 岛屿数量
🎯题目描述
🔍 输入输出示例
🧩题目提示
🧪AC
&
