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 | 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 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>
    opencv保存图片路径包含中文乱码解决方案
    查看>>
    opencv图像分割2-GMM
    查看>>
    OpenCV(1)读写图像
    查看>>
    OpenCV:概念、历史、应用场景示例、核心模块、安装配置
    查看>>
    Openlayers中点击地图获取坐标并输出
    查看>>
    Openlayers图文版实战,vue项目从0到1做基础配置
    查看>>
    Openlayers实战:modifystart、modifyend互动示例
    查看>>
    Openlayers高级交互(10/20):绘制矩形,截取对应部分的地图并保存
    查看>>