feat: Traditional Chinese version (#1163)

* First commit

* Update mkdocs.yml

* Translate all the docs to traditional Chinese

* Translate the code files.

* Translate the docker file

* Fix mkdocs.yml

* Translate all the figures from SC to TC

* 二叉搜尋樹 -> 二元搜尋樹

* Update terminology.

* Update terminology

* 构造函数/构造方法 -> 建構子
异或 -> 互斥或

* 擴充套件 -> 擴展

* constant - 常量 - 常數

* 類	-> 類別

* AVL -> AVL 樹

* 數組 -> 陣列

* 係統 -> 系統
斐波那契數列 -> 費波那契數列
運算元量 -> 運算量
引數 -> 參數

* 聯絡 -> 關聯

* 麵試 -> 面試

* 面向物件 -> 物件導向
歸併排序 -> 合併排序
范式 -> 範式

* Fix 算法 -> 演算法

* 錶示 -> 表示
反碼 -> 一補數
補碼 -> 二補數
列列尾部 -> 佇列尾部
區域性性 -> 區域性
一摞 -> 一疊

* Synchronize with main branch

* 賬號 -> 帳號
推匯 -> 推導

* Sync with main branch

* First commit

* Update mkdocs.yml

* Translate all the docs to traditional Chinese

* Translate the code files.

* Translate the docker file

* Fix mkdocs.yml

* Translate all the figures from SC to TC

* 二叉搜尋樹 -> 二元搜尋樹

* Update terminology

* 构造函数/构造方法 -> 建構子
异或 -> 互斥或

* 擴充套件 -> 擴展

* constant - 常量 - 常數

* 類	-> 類別

* AVL -> AVL 樹

* 數組 -> 陣列

* 係統 -> 系統
斐波那契數列 -> 費波那契數列
運算元量 -> 運算量
引數 -> 參數

* 聯絡 -> 關聯

* 麵試 -> 面試

* 面向物件 -> 物件導向
歸併排序 -> 合併排序
范式 -> 範式

* Fix 算法 -> 演算法

* 錶示 -> 表示
反碼 -> 一補數
補碼 -> 二補數
列列尾部 -> 佇列尾部
區域性性 -> 區域性
一摞 -> 一疊

* Synchronize with main branch

* 賬號 -> 帳號
推匯 -> 推導

* Sync with main branch

* Update terminology.md

* 操作数量(num. of operations)-> 操作數量

* 字首和->前綴和

* Update figures

* 歸 -> 迴
記憶體洩漏 -> 記憶體流失

* Fix the bug of the file filter

* 支援 -> 支持
Add zh-Hant/README.md

* Add the zh-Hant chapter covers.
Bug fixes.

* 外掛 -> 擴充功能

* Add the landing page for zh-Hant version

* Unify the font of the chapter covers for the zh, en, and zh-Hant version

* Move zh-Hant/ to zh-hant/

* Translate terminology.md to traditional Chinese
This commit is contained in:
Yudong Jin
2024-04-06 02:30:11 +08:00
committed by GitHub
parent 33d7f8a2e5
commit 5f7385c8a3
1875 changed files with 102923 additions and 18 deletions
@@ -0,0 +1,36 @@
// File: climbing_stairs_backtrack.go
// Created Time: 2023-07-18
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
/* 回溯 */
func backtrack(choices []int, state, n int, res []int) {
// 當爬到第 n 階時,方案數量加 1
if state == n {
res[0] = res[0] + 1
}
// 走訪所有選擇
for _, choice := range choices {
// 剪枝:不允許越過第 n 階
if state+choice > n {
continue
}
// 嘗試:做出選擇,更新狀態
backtrack(choices, state+choice, n, res)
// 回退
}
}
/* 爬樓梯:回溯 */
func climbingStairsBacktrack(n int) int {
// 可選擇向上爬 1 階或 2 階
choices := []int{1, 2}
// 從第 0 階開始爬
state := 0
res := make([]int, 1)
// 使用 res[0] 記錄方案數量
res[0] = 0
backtrack(choices, state, n, res)
return res[0]
}
@@ -0,0 +1,25 @@
// File: climbing_stairs_constraint_dp.go
// Created Time: 2023-07-18
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
/* 帶約束爬樓梯:動態規劃 */
func climbingStairsConstraintDP(n int) int {
if n == 1 || n == 2 {
return 1
}
// 初始化 dp 表,用於儲存子問題的解
dp := make([][3]int, n+1)
// 初始狀態:預設最小子問題的解
dp[1][1] = 1
dp[1][2] = 0
dp[2][1] = 0
dp[2][2] = 1
// 狀態轉移:從較小子問題逐步求解較大子問題
for i := 3; i <= n; i++ {
dp[i][1] = dp[i-1][2]
dp[i][2] = dp[i-2][1] + dp[i-2][2]
}
return dp[n][1] + dp[n][2]
}
@@ -0,0 +1,21 @@
// File: climbing_stairs_dfs.go
// Created Time: 2023-07-18
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
/* 搜尋 */
func dfs(i int) int {
// 已知 dp[1] 和 dp[2] ,返回之
if i == 1 || i == 2 {
return i
}
// dp[i] = dp[i-1] + dp[i-2]
count := dfs(i-1) + dfs(i-2)
return count
}
/* 爬樓梯:搜尋 */
func climbingStairsDFS(n int) int {
return dfs(n)
}
@@ -0,0 +1,32 @@
// File: climbing_stairs_dfs_mem.go
// Created Time: 2023-07-18
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
/* 記憶化搜尋 */
func dfsMem(i int, mem []int) int {
// 已知 dp[1] 和 dp[2] ,返回之
if i == 1 || i == 2 {
return i
}
// 若存在記錄 dp[i] ,則直接返回之
if mem[i] != -1 {
return mem[i]
}
// dp[i] = dp[i-1] + dp[i-2]
count := dfsMem(i-1, mem) + dfsMem(i-2, mem)
// 記錄 dp[i]
mem[i] = count
return count
}
/* 爬樓梯:記憶化搜尋 */
func climbingStairsDFSMem(n int) int {
// mem[i] 記錄爬到第 i 階的方案總數,-1 代表無記錄
mem := make([]int, n+1)
for i := range mem {
mem[i] = -1
}
return dfsMem(n, mem)
}
@@ -0,0 +1,35 @@
// File: climbing_stairs_dp.go
// Created Time: 2023-07-18
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
/* 爬樓梯:動態規劃 */
func climbingStairsDP(n int) int {
if n == 1 || n == 2 {
return n
}
// 初始化 dp 表,用於儲存子問題的解
dp := make([]int, n+1)
// 初始狀態:預設最小子問題的解
dp[1] = 1
dp[2] = 2
// 狀態轉移:從較小子問題逐步求解較大子問題
for i := 3; i <= n; i++ {
dp[i] = dp[i-1] + dp[i-2]
}
return dp[n]
}
/* 爬樓梯:空間最佳化後的動態規劃 */
func climbingStairsDPComp(n int) int {
if n == 1 || n == 2 {
return n
}
a, b := 1, 2
// 狀態轉移:從較小子問題逐步求解較大子問題
for i := 3; i <= n; i++ {
a, b = b, a+b
}
return b
}
@@ -0,0 +1,57 @@
// File: climbing_stairs_test.go
// Created Time: 2023-07-18
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
import (
"fmt"
"testing"
)
func TestClimbingStairsBacktrack(t *testing.T) {
n := 9
res := climbingStairsBacktrack(n)
fmt.Printf("爬 %d 階樓梯共有 %d 種方案\n", n, res)
}
func TestClimbingStairsDFS(t *testing.T) {
n := 9
res := climbingStairsDFS(n)
fmt.Printf("爬 %d 階樓梯共有 %d 種方案\n", n, res)
}
func TestClimbingStairsDFSMem(t *testing.T) {
n := 9
res := climbingStairsDFSMem(n)
fmt.Printf("爬 %d 階樓梯共有 %d 種方案\n", n, res)
}
func TestClimbingStairsDP(t *testing.T) {
n := 9
res := climbingStairsDP(n)
fmt.Printf("爬 %d 階樓梯共有 %d 種方案\n", n, res)
}
func TestClimbingStairsDPComp(t *testing.T) {
n := 9
res := climbingStairsDPComp(n)
fmt.Printf("爬 %d 階樓梯共有 %d 種方案\n", n, res)
}
func TestClimbingStairsConstraintDP(t *testing.T) {
n := 9
res := climbingStairsConstraintDP(n)
fmt.Printf("爬 %d 階樓梯共有 %d 種方案\n", n, res)
}
func TestMinCostClimbingStairsDPComp(t *testing.T) {
cost := []int{0, 1, 10, 1, 1, 1, 10, 1, 1, 10, 1}
fmt.Printf("輸入樓梯的代價串列為 %v\n", cost)
res := minCostClimbingStairsDP(cost)
fmt.Printf("爬完樓梯的最低代價為 %d\n", res)
res = minCostClimbingStairsDPComp(cost)
fmt.Printf("爬完樓梯的最低代價為 %d\n", res)
}
@@ -0,0 +1,66 @@
// File: coin_change.go
// Created Time: 2023-07-23
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
import "math"
/* 零錢兌換:動態規劃 */
func coinChangeDP(coins []int, amt int) int {
n := len(coins)
max := amt + 1
// 初始化 dp 表
dp := make([][]int, n+1)
for i := 0; i <= n; i++ {
dp[i] = make([]int, amt+1)
}
// 狀態轉移:首行首列
for a := 1; a <= amt; a++ {
dp[0][a] = max
}
// 狀態轉移:其餘行和列
for i := 1; i <= n; i++ {
for a := 1; a <= amt; a++ {
if coins[i-1] > a {
// 若超過目標金額,則不選硬幣 i
dp[i][a] = dp[i-1][a]
} else {
// 不選和選硬幣 i 這兩種方案的較小值
dp[i][a] = int(math.Min(float64(dp[i-1][a]), float64(dp[i][a-coins[i-1]]+1)))
}
}
}
if dp[n][amt] != max {
return dp[n][amt]
}
return -1
}
/* 零錢兌換:動態規劃 */
func coinChangeDPComp(coins []int, amt int) int {
n := len(coins)
max := amt + 1
// 初始化 dp 表
dp := make([]int, amt+1)
for i := 1; i <= amt; i++ {
dp[i] = max
}
// 狀態轉移
for i := 1; i <= n; i++ {
// 倒序走訪
for a := 1; a <= amt; a++ {
if coins[i-1] > a {
// 若超過目標金額,則不選硬幣 i
dp[a] = dp[a]
} else {
// 不選和選硬幣 i 這兩種方案的較小值
dp[a] = int(math.Min(float64(dp[a]), float64(dp[a-coins[i-1]]+1)))
}
}
}
if dp[amt] != max {
return dp[amt]
}
return -1
}
@@ -0,0 +1,54 @@
// File: coin_change_ii.go
// Created Time: 2023-07-23
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
/* 零錢兌換 II:動態規劃 */
func coinChangeIIDP(coins []int, amt int) int {
n := len(coins)
// 初始化 dp 表
dp := make([][]int, n+1)
for i := 0; i <= n; i++ {
dp[i] = make([]int, amt+1)
}
// 初始化首列
for i := 0; i <= n; i++ {
dp[i][0] = 1
}
// 狀態轉移:其餘行和列
for i := 1; i <= n; i++ {
for a := 1; a <= amt; a++ {
if coins[i-1] > a {
// 若超過目標金額,則不選硬幣 i
dp[i][a] = dp[i-1][a]
} else {
// 不選和選硬幣 i 這兩種方案之和
dp[i][a] = dp[i-1][a] + dp[i][a-coins[i-1]]
}
}
}
return dp[n][amt]
}
/* 零錢兌換 II:空間最佳化後的動態規劃 */
func coinChangeIIDPComp(coins []int, amt int) int {
n := len(coins)
// 初始化 dp 表
dp := make([]int, amt+1)
dp[0] = 1
// 狀態轉移
for i := 1; i <= n; i++ {
// 倒序走訪
for a := 1; a <= amt; a++ {
if coins[i-1] > a {
// 若超過目標金額,則不選硬幣 i
dp[a] = dp[a]
} else {
// 不選和選硬幣 i 這兩種方案之和
dp[a] = dp[a] + dp[a-coins[i-1]]
}
}
}
return dp[amt]
}
@@ -0,0 +1,23 @@
// File: coin_change_test.go
// Created Time: 2023-07-23
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
import (
"fmt"
"testing"
)
func TestCoinChange(t *testing.T) {
coins := []int{1, 2, 5}
amt := 4
// 動態規劃
res := coinChangeDP(coins, amt)
fmt.Printf("湊到目標金額所需的最少硬幣數量為 %d\n", res)
// 空間最佳化後的動態規劃
res = coinChangeDPComp(coins, amt)
fmt.Printf("湊到目標金額所需的最少硬幣數量為 %d\n", res)
}
@@ -0,0 +1,129 @@
// File: edit_distance.go
// Created Time: 2023-07-23
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
/* 編輯距離:暴力搜尋 */
func editDistanceDFS(s string, t string, i int, j int) int {
// 若 s 和 t 都為空,則返回 0
if i == 0 && j == 0 {
return 0
}
// 若 s 為空,則返回 t 長度
if i == 0 {
return j
}
// 若 t 為空,則返回 s 長度
if j == 0 {
return i
}
// 若兩字元相等,則直接跳過此兩字元
if s[i-1] == t[j-1] {
return editDistanceDFS(s, t, i-1, j-1)
}
// 最少編輯步數 = 插入、刪除、替換這三種操作的最少編輯步數 + 1
insert := editDistanceDFS(s, t, i, j-1)
deleted := editDistanceDFS(s, t, i-1, j)
replace := editDistanceDFS(s, t, i-1, j-1)
// 返回最少編輯步數
return MinInt(MinInt(insert, deleted), replace) + 1
}
/* 編輯距離:記憶化搜尋 */
func editDistanceDFSMem(s string, t string, mem [][]int, i int, j int) int {
// 若 s 和 t 都為空,則返回 0
if i == 0 && j == 0 {
return 0
}
// 若 s 為空,則返回 t 長度
if i == 0 {
return j
}
// 若 t 為空,則返回 s 長度
if j == 0 {
return i
}
// 若已有記錄,則直接返回之
if mem[i][j] != -1 {
return mem[i][j]
}
// 若兩字元相等,則直接跳過此兩字元
if s[i-1] == t[j-1] {
return editDistanceDFSMem(s, t, mem, i-1, j-1)
}
// 最少編輯步數 = 插入、刪除、替換這三種操作的最少編輯步數 + 1
insert := editDistanceDFSMem(s, t, mem, i, j-1)
deleted := editDistanceDFSMem(s, t, mem, i-1, j)
replace := editDistanceDFSMem(s, t, mem, i-1, j-1)
// 記錄並返回最少編輯步數
mem[i][j] = MinInt(MinInt(insert, deleted), replace) + 1
return mem[i][j]
}
/* 編輯距離:動態規劃 */
func editDistanceDP(s string, t string) int {
n := len(s)
m := len(t)
dp := make([][]int, n+1)
for i := 0; i <= n; i++ {
dp[i] = make([]int, m+1)
}
// 狀態轉移:首行首列
for i := 1; i <= n; i++ {
dp[i][0] = i
}
for j := 1; j <= m; j++ {
dp[0][j] = j
}
// 狀態轉移:其餘行和列
for i := 1; i <= n; i++ {
for j := 1; j <= m; j++ {
if s[i-1] == t[j-1] {
// 若兩字元相等,則直接跳過此兩字元
dp[i][j] = dp[i-1][j-1]
} else {
// 最少編輯步數 = 插入、刪除、替換這三種操作的最少編輯步數 + 1
dp[i][j] = MinInt(MinInt(dp[i][j-1], dp[i-1][j]), dp[i-1][j-1]) + 1
}
}
}
return dp[n][m]
}
/* 編輯距離:空間最佳化後的動態規劃 */
func editDistanceDPComp(s string, t string) int {
n := len(s)
m := len(t)
dp := make([]int, m+1)
// 狀態轉移:首行
for j := 1; j <= m; j++ {
dp[j] = j
}
// 狀態轉移:其餘行
for i := 1; i <= n; i++ {
// 狀態轉移:首列
leftUp := dp[0] // 暫存 dp[i-1, j-1]
dp[0] = i
// 狀態轉移:其餘列
for j := 1; j <= m; j++ {
temp := dp[j]
if s[i-1] == t[j-1] {
// 若兩字元相等,則直接跳過此兩字元
dp[j] = leftUp
} else {
// 最少編輯步數 = 插入、刪除、替換這三種操作的最少編輯步數 + 1
dp[j] = MinInt(MinInt(dp[j-1], dp[j]), leftUp) + 1
}
leftUp = temp // 更新為下一輪的 dp[i-1, j-1]
}
}
return dp[m]
}
func MinInt(a, b int) int {
if a < b {
return a
}
return b
}
@@ -0,0 +1,40 @@
// File: edit_distance_test.go
// Created Time: 2023-07-23
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
import (
"fmt"
"testing"
)
func TestEditDistanceDFS(test *testing.T) {
s := "bag"
t := "pack"
n := len(s)
m := len(t)
// 暴力搜尋
res := editDistanceDFS(s, t, n, m)
fmt.Printf("將 %s 更改為 %s 最少需要編輯 %d 步\n", s, t, res)
// 記憶化搜尋
mem := make([][]int, n+1)
for i := 0; i <= n; i++ {
mem[i] = make([]int, m+1)
for j := 0; j <= m; j++ {
mem[i][j] = -1
}
}
res = editDistanceDFSMem(s, t, mem, n, m)
fmt.Printf("將 %s 更改為 %s 最少需要編輯 %d 步\n", s, t, res)
// 動態規劃
res = editDistanceDP(s, t)
fmt.Printf("將 %s 更改為 %s 最少需要編輯 %d 步\n", s, t, res)
// 空間最佳化後的動態規劃
res = editDistanceDPComp(s, t)
fmt.Printf("將 %s 更改為 %s 最少需要編輯 %d 步\n", s, t, res)
}
@@ -0,0 +1,87 @@
// File: knapsack.go
// Created Time: 2023-07-23
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
import "math"
/* 0-1 背包:暴力搜尋 */
func knapsackDFS(wgt, val []int, i, c int) int {
// 若已選完所有物品或背包無剩餘容量,則返回價值 0
if i == 0 || c == 0 {
return 0
}
// 若超過背包容量,則只能選擇不放入背包
if wgt[i-1] > c {
return knapsackDFS(wgt, val, i-1, c)
}
// 計算不放入和放入物品 i 的最大價值
no := knapsackDFS(wgt, val, i-1, c)
yes := knapsackDFS(wgt, val, i-1, c-wgt[i-1]) + val[i-1]
// 返回兩種方案中價值更大的那一個
return int(math.Max(float64(no), float64(yes)))
}
/* 0-1 背包:記憶化搜尋 */
func knapsackDFSMem(wgt, val []int, mem [][]int, i, c int) int {
// 若已選完所有物品或背包無剩餘容量,則返回價值 0
if i == 0 || c == 0 {
return 0
}
// 若已有記錄,則直接返回
if mem[i][c] != -1 {
return mem[i][c]
}
// 若超過背包容量,則只能選擇不放入背包
if wgt[i-1] > c {
return knapsackDFSMem(wgt, val, mem, i-1, c)
}
// 計算不放入和放入物品 i 的最大價值
no := knapsackDFSMem(wgt, val, mem, i-1, c)
yes := knapsackDFSMem(wgt, val, mem, i-1, c-wgt[i-1]) + val[i-1]
// 返回兩種方案中價值更大的那一個
mem[i][c] = int(math.Max(float64(no), float64(yes)))
return mem[i][c]
}
/* 0-1 背包:動態規劃 */
func knapsackDP(wgt, val []int, cap int) int {
n := len(wgt)
// 初始化 dp 表
dp := make([][]int, n+1)
for i := 0; i <= n; i++ {
dp[i] = make([]int, cap+1)
}
// 狀態轉移
for i := 1; i <= n; i++ {
for c := 1; c <= cap; c++ {
if wgt[i-1] > c {
// 若超過背包容量,則不選物品 i
dp[i][c] = dp[i-1][c]
} else {
// 不選和選物品 i 這兩種方案的較大值
dp[i][c] = int(math.Max(float64(dp[i-1][c]), float64(dp[i-1][c-wgt[i-1]]+val[i-1])))
}
}
}
return dp[n][cap]
}
/* 0-1 背包:空間最佳化後的動態規劃 */
func knapsackDPComp(wgt, val []int, cap int) int {
n := len(wgt)
// 初始化 dp 表
dp := make([]int, cap+1)
// 狀態轉移
for i := 1; i <= n; i++ {
// 倒序走訪
for c := cap; c >= 1; c-- {
if wgt[i-1] <= c {
// 不選和選物品 i 這兩種方案的較大值
dp[c] = int(math.Max(float64(dp[c]), float64(dp[c-wgt[i-1]]+val[i-1])))
}
}
}
return dp[cap]
}
@@ -0,0 +1,54 @@
// File: knapsack_test.go
// Created Time: 2023-07-23
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
import (
"fmt"
"testing"
)
func TestKnapsack(t *testing.T) {
wgt := []int{10, 20, 30, 40, 50}
val := []int{50, 120, 150, 210, 240}
c := 50
n := len(wgt)
// 暴力搜尋
res := knapsackDFS(wgt, val, n, c)
fmt.Printf("不超過背包容量的最大物品價值為 %d\n", res)
// 記憶化搜尋
mem := make([][]int, n+1)
for i := 0; i <= n; i++ {
mem[i] = make([]int, c+1)
for j := 0; j <= c; j++ {
mem[i][j] = -1
}
}
res = knapsackDFSMem(wgt, val, mem, n, c)
fmt.Printf("不超過背包容量的最大物品價值為 %d\n", res)
// 動態規劃
res = knapsackDP(wgt, val, c)
fmt.Printf("不超過背包容量的最大物品價值為 %d\n", res)
// 空間最佳化後的動態規劃
res = knapsackDPComp(wgt, val, c)
fmt.Printf("不超過背包容量的最大物品價值為 %d\n", res)
}
func TestUnboundedKnapsack(t *testing.T) {
wgt := []int{1, 2, 3}
val := []int{5, 11, 15}
c := 4
// 動態規劃
res := unboundedKnapsackDP(wgt, val, c)
fmt.Printf("不超過背包容量的最大物品價值為 %d\n", res)
// 空間最佳化後的動態規劃
res = unboundedKnapsackDPComp(wgt, val, c)
fmt.Printf("不超過背包容量的最大物品價值為 %d\n", res)
}
@@ -0,0 +1,52 @@
// File: min_cost_climbing_stairs_dp.go
// Created Time: 2023-07-23
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
/* 爬樓梯最小代價:動態規劃 */
func minCostClimbingStairsDP(cost []int) int {
n := len(cost) - 1
if n == 1 || n == 2 {
return cost[n]
}
min := func(a, b int) int {
if a < b {
return a
}
return b
}
// 初始化 dp 表,用於儲存子問題的解
dp := make([]int, n+1)
// 初始狀態:預設最小子問題的解
dp[1] = cost[1]
dp[2] = cost[2]
// 狀態轉移:從較小子問題逐步求解較大子問題
for i := 3; i <= n; i++ {
dp[i] = min(dp[i-1], dp[i-2]) + cost[i]
}
return dp[n]
}
/* 爬樓梯最小代價:空間最佳化後的動態規劃 */
func minCostClimbingStairsDPComp(cost []int) int {
n := len(cost) - 1
if n == 1 || n == 2 {
return cost[n]
}
min := func(a, b int) int {
if a < b {
return a
}
return b
}
// 初始狀態:預設最小子問題的解
a, b := cost[1], cost[2]
// 狀態轉移:從較小子問題逐步求解較大子問題
for i := 3; i <= n; i++ {
tmp := b
b = min(a, tmp) + cost[i]
a = tmp
}
return b
}
@@ -0,0 +1,94 @@
// File: min_path_sum.go
// Created Time: 2023-07-23
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
import "math"
/* 最小路徑和:暴力搜尋 */
func minPathSumDFS(grid [][]int, i, j int) int {
// 若為左上角單元格,則終止搜尋
if i == 0 && j == 0 {
return grid[0][0]
}
// 若行列索引越界,則返回 +∞ 代價
if i < 0 || j < 0 {
return math.MaxInt
}
// 計算從左上角到 (i-1, j) 和 (i, j-1) 的最小路徑代價
up := minPathSumDFS(grid, i-1, j)
left := minPathSumDFS(grid, i, j-1)
// 返回從左上角到 (i, j) 的最小路徑代價
return int(math.Min(float64(left), float64(up))) + grid[i][j]
}
/* 最小路徑和:記憶化搜尋 */
func minPathSumDFSMem(grid, mem [][]int, i, j int) int {
// 若為左上角單元格,則終止搜尋
if i == 0 && j == 0 {
return grid[0][0]
}
// 若行列索引越界,則返回 +∞ 代價
if i < 0 || j < 0 {
return math.MaxInt
}
// 若已有記錄,則直接返回
if mem[i][j] != -1 {
return mem[i][j]
}
// 左邊和上邊單元格的最小路徑代價
up := minPathSumDFSMem(grid, mem, i-1, j)
left := minPathSumDFSMem(grid, mem, i, j-1)
// 記錄並返回左上角到 (i, j) 的最小路徑代價
mem[i][j] = int(math.Min(float64(left), float64(up))) + grid[i][j]
return mem[i][j]
}
/* 最小路徑和:動態規劃 */
func minPathSumDP(grid [][]int) int {
n, m := len(grid), len(grid[0])
// 初始化 dp 表
dp := make([][]int, n)
for i := 0; i < n; i++ {
dp[i] = make([]int, m)
}
dp[0][0] = grid[0][0]
// 狀態轉移:首行
for j := 1; j < m; j++ {
dp[0][j] = dp[0][j-1] + grid[0][j]
}
// 狀態轉移:首列
for i := 1; i < n; i++ {
dp[i][0] = dp[i-1][0] + grid[i][0]
}
// 狀態轉移:其餘行和列
for i := 1; i < n; i++ {
for j := 1; j < m; j++ {
dp[i][j] = int(math.Min(float64(dp[i][j-1]), float64(dp[i-1][j]))) + grid[i][j]
}
}
return dp[n-1][m-1]
}
/* 最小路徑和:空間最佳化後的動態規劃 */
func minPathSumDPComp(grid [][]int) int {
n, m := len(grid), len(grid[0])
// 初始化 dp 表
dp := make([]int, m)
// 狀態轉移:首行
dp[0] = grid[0][0]
for j := 1; j < m; j++ {
dp[j] = dp[j-1] + grid[0][j]
}
// 狀態轉移:其餘行和列
for i := 1; i < n; i++ {
// 狀態轉移:首列
dp[0] = dp[0] + grid[i][0]
// 狀態轉移:其餘列
for j := 1; j < m; j++ {
dp[j] = int(math.Min(float64(dp[j-1]), float64(dp[j]))) + grid[i][j]
}
}
return dp[m-1]
}
@@ -0,0 +1,43 @@
// File: min_path_sum_test.go
// Created Time: 2023-07-23
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
import (
"fmt"
"testing"
)
func TestMinPathSum(t *testing.T) {
grid := [][]int{
{1, 3, 1, 5},
{2, 2, 4, 2},
{5, 3, 2, 1},
{4, 3, 5, 2},
}
n, m := len(grid), len(grid[0])
// 暴力搜尋
res := minPathSumDFS(grid, n-1, m-1)
fmt.Printf("從左上角到右下角的做小路徑和為 %d\n", res)
// 記憶化搜尋
mem := make([][]int, n)
for i := 0; i < n; i++ {
mem[i] = make([]int, m)
for j := 0; j < m; j++ {
mem[i][j] = -1
}
}
res = minPathSumDFSMem(grid, mem, n-1, m-1)
fmt.Printf("從左上角到右下角的做小路徑和為 %d\n", res)
// 動態規劃
res = minPathSumDP(grid)
fmt.Printf("從左上角到右下角的做小路徑和為 %d\n", res)
// 空間最佳化後的動態規劃
res = minPathSumDPComp(grid)
fmt.Printf("從左上角到右下角的做小路徑和為 %d\n", res)
}
@@ -0,0 +1,50 @@
// File: unbounded_knapsack.go
// Created Time: 2023-07-23
// Author: Reanon (793584285@qq.com)
package chapter_dynamic_programming
import "math"
/* 完全背包:動態規劃 */
func unboundedKnapsackDP(wgt, val []int, cap int) int {
n := len(wgt)
// 初始化 dp 表
dp := make([][]int, n+1)
for i := 0; i <= n; i++ {
dp[i] = make([]int, cap+1)
}
// 狀態轉移
for i := 1; i <= n; i++ {
for c := 1; c <= cap; c++ {
if wgt[i-1] > c {
// 若超過背包容量,則不選物品 i
dp[i][c] = dp[i-1][c]
} else {
// 不選和選物品 i 這兩種方案的較大值
dp[i][c] = int(math.Max(float64(dp[i-1][c]), float64(dp[i][c-wgt[i-1]]+val[i-1])))
}
}
}
return dp[n][cap]
}
/* 完全背包:空間最佳化後的動態規劃 */
func unboundedKnapsackDPComp(wgt, val []int, cap int) int {
n := len(wgt)
// 初始化 dp 表
dp := make([]int, cap+1)
// 狀態轉移
for i := 1; i <= n; i++ {
for c := 1; c <= cap; c++ {
if wgt[i-1] > c {
// 若超過背包容量,則不選物品 i
dp[c] = dp[c]
} else {
// 不選和選物品 i 這兩種方案的較大值
dp[c] = int(math.Max(float64(dp[c]), float64(dp[c-wgt[i-1]]+val[i-1])))
}
}
}
return dp[cap]
}