GESP-Python六级 题库
小朋友们去邻里拜年,每个家里有不同数量的糖果。规则是:不能连续进入两个相邻的房子(即不能同时取相邻两家的糖果)。目标是拿到最多糖果。以下是代码实现,请补全横线。
元宵节晚上,小朋友沿着一条发光石板路前进,每次可以向前走1 块或2 块石板。若dp[i] = dp[i - 1]+ dp[i - 2],下面关于dp[i] 的含义最合适的是()。
0/1 背包(每件物品最多选一次) 问题通常可用一维动态规划求解 ,核心代码如下 。遍历的方向无所谓 ,则下面说法正确的是( )。
内层 j 必须从小到大,否则会漏解
内层 j 必须从大到小,否则同一件物品会被用多次
j 从大到小或从小到大都一样
只要 dp 初始为 0 ,方向无所谓
以下关于动态规划的说法中,错误的是( )。
动态规划方法通常能够列出递推公式。
动态规划方法的时间复杂度通常为状态的个数。
动态规划方法有递推和递归两种实现形式。
在使用动态规划思想(即避免重复子问题)的前提下,递推实现与递归实现(记忆化搜索)的时间复杂度通常是相当的。
以下关于动态规划算法特性的描述,正确的是( )。
子问题相互独立,不重叠
问题包含重叠子问题和最优子结构
只能从底至顶迭代求解
必须使用递归实现,不能使用迭代
给定"个物品和一个最大承重为w的背包 ,每个物品有一个重量wuti和价值oalli ,每个物品只能选择放或不放 。 目标是选择若干个物品放入背包 ,使得总价值最大 ,且总重量不超过 。关于下面代码 ,说法正确的是 () 。
关于动态规划的描述,正确的是( )。
动态规划的核心思想是将问题分解为互不重叠的子问题。
以下代码实现了0/1背包问题的动态规划解法。假设物品重量为 weights[] ,价值为 values[] ,背包容量为 W ,横线上应填写( )。
动态规划通常用于解决( )。
一个问题是否能用DP来解决我们的考虑一般有两点:① 最优子结构,②无后效性最优子结构即 选项B,可分解成相互依赖的子问题的问题,因此选B。
阅读以下用动态规划解决的0-1背包问题的函数,假设背包的容量 W WW 是10kg,假设输入4个物品的重量 w e i g h t s weightsweights 分别为 1,3,4,6(单位为kg),每个物品对应的价值 v a l u e s valuesvalues 分别为 20,30,50,60,则函数的输出为( )。
01背包问题,dp[n][w]表示将前n个物品放入容量为w的背包中得到的最大价值,4个物品的重量为1 3 4 6,价值为20 30 50 60,背包容量为10,最大价值是1 3 6 对应的110。
以下代码实现了0 -1背包问题的一维动态规划解法,内层循环采用经典的逆序遍历方式。若将内层循环改为正序遍历(即for j in range(w[i], W + 1):),仍能得到正确答案。
在动态规划问题中,状态空间相同且没有重复计算的情况下,“状态转移方程+递推”与“递归+记忆化搜索”的时间复杂度通常相同。
下面代码采用动态规划求解零钱兑换问题:给定n种硬币,第i 种硬币的面值为coins[i-1] ,目标金额为amt,每种硬币可以重复选取,求能够凑出目标金额的最少硬币数量;如果不能凑出目标金额,返回 -1 。
在动态规划解决一维硬币找零问题时,若硬币面额为 [1, 3, 4] ,目标金额为 6 ,则最少需要 2 枚硬币(3+3)。

