博客
关于我
leetCode---790. 多米诺和托米诺平铺[DP]
阅读量:227 次
发布时间:2019-02-28

本文共 936 字,大约阅读时间需要 3 分钟。

为了解决这个问题,我们需要计算用两种形状的瓷砖(多米诺和托米诺)铺满2xN的面板的方法数。我们可以使用动态规划来解决这个问题,并通过递推关系来优化计算。

方法思路

我们定义两个函数:

  • fe[n] 表示2x2n的面板铺满的方法数。
  • fo[n] 表示2x(2n+1)的面板铺满的方法数。

通过递推关系,我们可以得到以下公式:

  • fe[n] = fe[n-1] + fe[n-2] + 2*fe[n-3] + 2*fo[n-3]
  • fo[n] = fo[n-1] + fe[n-1]

初始条件如下:

  • fe[1] = 1
  • fe[2] = 2
  • fo[1] = 2
  • fo[2] = 2

解决代码

class Solution {    public int numTilings(int N) {        long a = new long[N + 3];        long b = new long[N + 3];        int mod = 10_000_000_7;        a[1] = 1;        a[2] = 2;        b[2] = 1;        if (N >= 3) {            for (int i = 3; i <= N; i++) {                a[i] = (a[i-1] + a[i-2] + 2 * b[i-1]) % mod;                b[i] = (b[i-1] + a[i-2]) % mod;            }        }        return (int) a[N];    }}

代码解释

  • 初始化数组:我们创建两个数组ab,分别用于存储fe[n]fo[n]的值。
  • 模运算常量:定义常量mod为10^9 + 7,以防止数值溢出。
  • 初始条件:根据问题描述,设置a[1] = 1a[2] = 2b[2] = 1
  • 递推计算:从3到N计算每个a[i]b[i],使用递推公式进行更新。
  • 返回结果:返回a[N],即2x2N面板的铺法数。
  • 这种方法的时间复杂度为O(N),空间复杂度为O(1),因为我们只使用了固定数量的存储空间。

    转载地址:http://kpki.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>
    OpenCV与AI深度学习 | 什么是 COCO 数据集?
    查看>>
    OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
    查看>>
    OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
    查看>>
    OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
    查看>>
    OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>