动态规划算法学习

1 动态规划题目类型

2 动态规划解题步骤（例题：Coin Change）

Coin Change问题描述：

1. 你有三种硬币（2、5、7），每种数量无穷多
2. 你去书店买一本27元的书，老板无零钱，你需要刚好付27元
3. 你支付的硬币个数最少是多少个？

注意：由于问题中涉及“最少”，因此考虑使用动态规划求解

2.1 确定状态

2.1.1 最后一步

假设最优策略：a₁, a₂, …, a_k
最后一步就是对a_k的决策（取2/ 5/ 7）
因此，a₁, a₂, …, a_k-1拼出了27 - a_k，这也是最优策略
为什么也是最优策略？
反证法：

1. 若仅用k - 2枚硬币即可拼出27 - a_k（即a₁, a₂, …, a_k-1拼出27 - a_k不是最优策略）
2. 则拼出27仅需k - 1枚硬币，与最优策略k枚硬币矛盾
3. 因此，是最优策略

2.1.2 子问题

由上述最后一步的分析，可以得到子问题的描述：求最少使用多少枚硬币能拼出27 - a_k？
原问题：求最少使用多少枚硬币能拼出27？

由此可以确定状态：f(X) = 最少用多少枚硬币能拼出X

2.2 确定状态转移方程

分析：
由上述“最后一步”和“子问题”的分析，我们可以很容易得到下列公式：
f(27) = min{f(27 - 2) + 1, f(27 - 5) + 1, f(27 - 7) + 1}

1. a_k = 2，子问题为：最少多少枚硬币能拼出25？
2. a_k = 5，子问题为：最少多少枚硬币能拼出22？
3. a_k = 7，子问题为：最少多少枚硬币能拼出20？

由此得到状态转移方程：
f[X] = min{f[X - 2] + 1, f[X - 5] + 1, f[X - 7] + 1}

2.3 确定初始条件和边界情况

思考：如果X-2 / X- 5 / X - 7小于0怎么办？
初始条件：f[0] = 0
边界情况：f[-1] = f[-2] = … = 正无穷
边界情况设置的原因为：避免数组越界

2.4 确定计算顺序

由上述初始条件、边界情况和状态转移方程可知：该例题的计算顺序为正向（从左往右、从小到大）计算
因为：计算f[X]时，f[X - 2]，f[X - 5]，f[X - 7]已经得到结果了

3 例题求解

3.1 递归算法求解

def solve_coin_change(X):
    """拼出X最少需要多少枚硬币"""
    if X == 0:
        return 0
    min_num = float('inf')
    if X >= 2:
        min_num = min(solve_coin_change(X - 2) + 1, min_num)
    if X >= 5:
        min_num = min(solve_coin_change(X - 5) + 1, min_num)
    if X >= 7:
        min_num = min(solve_coin_change(X - 7) + 1, min_num)
    return min_num
    
solve_coin_change(27)  # 结果为5

递归树：可以发现存在大量重复计算，导致时间复杂度为指数级别，性能很差

3.2 图示动态规划计算过程

3.3 动态规划代码

def solve_coin_change(X):
    """拼出X最少需要多少枚硬币"""
    # 设置初始条件和边界情况
    dp = [0]  # dp[0] = 0
    if X < 0:
        return float('inf')

    # 计算动态规划数组dp
    for i in range(1, X + 1):
        if i < 2:
            dp.append(float('inf'))
        elif i < 5:
            dp.append(min(dp[i - 2] + 1, float('inf')))
        elif i < 7:
            dp.append(min(dp[i - 2] + 1, dp[i - 5] + 1, float('inf')))
        else:
            dp.append(min(dp[i - 2] + 1, dp[i - 5] + 1, dp[i - 7] + 1))

    # 返回结果
    return dp[X]

solve_coin_change(27)  # 结果为5

3.4 动态规划时间复杂度分析

设有m种硬币，需要拼出n：
需要循环计算n次动态规划数组，每一次计算将每种硬币的选取均考虑了一次，因此时间复杂度为O(m x n)

4 常考动态规划类型