动态规划基础

动态规划基础

---

动态规划的基本要素

• 最优子结构->保证子结构计算正确
• 无后效性->保证孩子不会对父亲产生影响
• 状态转移方程->由子状态转移到父状态

如何设置一个合理的状态是动态规划最难的一步，也只能靠题目的积累。

例题1 ：爬楼梯

有100级楼梯，每次只能上1级或2级，一共有多少种不同的方法上楼？

$$dp[i]=dp[i-1]+dp[i-2]$$

例题2: 摘花生

$$dp[i][j]=max(dp[i-1][j],dp[i][j-1])+s[i][j]$$

例题3:鸡蛋的硬度

• 题目简述：给出n,m分别代表楼层高度以及鸡蛋个数，问最小的尝试次数来找到鸡蛋的硬度，考虑最坏情况。
• 解释样例：对于100 2的解释：$$n+(n-1)+(n-2)+...+1\ge 100$$ 显然有 $$n\times (n+1)÷2\ge 100$$ ，解得 $$n\ge 14$$
• 思考更展开的问题：我们发现第n颗鸡蛋的作用无非就是帮助第n-1颗鸡蛋缩小范围，不妨根据上面的式子换个角度考虑问题，这个方法的精髓在于始终保持扔了的和没扔的次数指和相同，这样做的好处是充分考虑了最坏情况，（不会透支使用次数来赌）始终把总投掷次数控制在14.再宽泛一点说，对于第n颗鸡蛋使用的次数与留给第n-1颗鸡蛋的次数之和永远相同，相当于平均分。换一个角度理解上面的例子，2颗鸡蛋，14次投掷，最多能测多少层楼，显然是105层（我们已经有了2颗鸡蛋，n次投掷测出的最大楼层数公式 $$n\times (n+1)÷2$$ ，那么照猫画虎，我们可以推测3颗鸡蛋扔n次，最多能测多少层楼 $$1+(n-1)\times n÷2+1+(n-2)\times (n-1)÷2+...+1+2\times 3÷2+1+1\times 2÷2+1$$
• 推广！推广：现在这个问题已经基本明了了，我们展示了从2颗鸡蛋推到3颗鸡蛋的过程，换句话说，没有2颗鸡蛋的计算就不会有3颗鸡蛋的计算（最优子结构），同时，3颗鸡蛋的计算不会干扰2颗鸡蛋的计算（无后效性），剩下的事情就是来找递推公式了，我们假设我们已经找到了n-1颗鸡蛋投掷k次的答案 $$p_{n-1}^k$$ ，我们尝试用n-1颗鸡蛋来扩展到n颗鸡蛋，其实已经相当明了了 $$p_n^k=1+p_{n-1}^{k-1}+1+p_{n-1}^{k-2}+...+1+p_{n-1}^2+1+p_{n-1}^1+1$$

#include <iostream>
#include <cstdio>
#include <cstring>
#include <cmath>
#include <algorithm>
#include <vector>
#include <queue>

int dp[102][102];

int main()
{
	int n,m;
	while (scanf("%d%d",&n,&m)==2) {
		memset (dp,0,sizeof(dp));
		
		for (int i=1;i<=n;i++) dp[1][i]=i;
		for (int i=2;i<=m;i++) {  // i颗鸡蛋，扔j次，能测量的最大楼层
			for (int j=1;j<=n;j++) {
				dp[i][j]=dp[i-1][j-1]+dp[i][j-1]+1;
			}
		}
		for (int i=1;i<=n;i++) {
			if (dp[m][i]>=n) {
				std::cout<<i<<std::endl;
				break;
			}
		} 
	}
	
	return 0;
}

例题4 ：舔狗舔到最后一无所有

这道题目便是利用辅助数列的思想来进行求解，由于以前讲过多次，不再过多赘述。

总结

动态规划类似于高中数列，对于一个复杂的数列（称之为答案数列），写出通项公式所需要的数学能力是非常强大的，但是我们可以写出递推公式，如果递推公式仍然难写，那我们便可以构造一些辅助数列来解决，辅助数列可以帮助我们很好的写出答案数列的递推公式，在探索辅助数列的过程中我们也可能会发现有些数列不是那么必须，那么便可以省去。可以泛泛地理解，辅助数列越多，答案数列越好写，但是维护辅助数列的过程就越发地冗余。