动态规划学习记录

动态规划

动态规划一般用数组记录下每一步的最优值，返回最后一步的值就是最优结果，相对于递归解法消除了重复计算的部分，提高的效率。

一、动态规划解决的问题特点

1. 计数：有多少种方式从A到B、多少种方式取得某值、、、
2. 求最优解：最大值最小值、路径上最大数据和。
3. 存在性问题：能不能选出和为k的数、、、
   
   

选定算法前一定要判断是否为动态规划解题、有时候问题相似但不能用动态规划求解。

二、动态规划的步骤

以LeetCode 322 零钱兑换 为例：

给定不同面额的硬币 coins 和一个总金额 amount。
编写一个函数来计算可以凑成总金额所需的最少的硬币个数。
如果没有任何一种硬币组合能组成总金额，返回 -1。


示例 1:

输入: coins = [1, 2, 5], amount = 11
输出: 3 
解释: 11 = 5 + 5 + 1

示例 2:

输入: coins = [2], amount = 3
输出: -1
 
说明:
你可以认为每种硬币的数量是无限的。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/coin-change
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

1.确定状态

首先要确定状态就是解决问题的最后一步和确定子问题。

• 最后一步
  就是找到解决最优策略的最后一步；
  例题中最后一步就是最少用k枚硬币达到amount数额
  
  

• 子问题（与原问题一样，规模变小）
  知道了最后一步后向前推，最少用k-1枚硬币达到amount-coin_k
  简化定义就是F(x)=拼出amount的最少硬币数
  如果coin_k是2，F(11)=F(11-2)+1枚
  如果coin_k是5，F(11)=F(11-5)+1枚
  对于示例1:F(11)=min{ F(11-1)+1 , F(11-2)+1 , F(11-5)+1 }

2.作出转移方程

由之前的结果写出转移方程
对于示例1:F(x)=min{ F(x-1)+1 , F(x-2)+1 , F(x-5)+1 }

3.注意初始条件和边界条件

对于示例1：

• x的值不能小于0
• 不能拼凑的amount值应该怎么处理（大多数时候定义正无穷方便，有时候定义-1这种可能更方便）虽然这里1和2可以拼凑所有正整数
• 初始条件F(0)=0，转移方程算不出来，但是又需要用的值

4.确定计算顺序

动态规划一般都是以自底向上进行循环迭代计算，
而带备忘录的递归则是自顶向下进行计算。

在例题中：转移方程计算左边时，右边的内容都需要已经有结果了
计算F(11)时需要F(10)、F(9)、F(6)的具体值，那么从小到大计算（根据题目以及选定解题方式选定计算顺序）。

最后是编码，与理论不一样，程序编码中很多要注意的地方，如

	public int coinChange(int[] coins, int amount) {
   
		// 创建数组
		
		//1. 注意从0-amount有amount+1个数
		int[] f = new int[amount + 1];
		// 2.注意初始化
		f[0] = 0;

		for (int i = 1; i < f.length; i++) {
   
			f[i] = Integer.MAX_VALUE;
			for (int j = 0; j < coins.length; j++) {
   
			//3.注意F(x)中x>0,并且Max+1会越界
				if (i - coins[j] >= 0 && f[i - coins[j]