最近在学动态规划,做一个小总结,同时也督促自己继续做总结。
1.什么是动态规划?什么样的问题适用于动态规划?
2.动态规划的特征
3.动态规划适用条件
4.常用解题步骤
5.常用模型
6.Fibonacci数列
1.什么是动态规划?什么样的问题适用于动态规划?
如果要求一个问题的最优解(最大值或最小值),而且该问题能够分解为若干个子问题,并且子问题之间存在重叠的子问题,则考虑使用动态规划。
使用递归解决问题时,因为有重叠子问题,会有重复计算。函数的递归调用会占用大量栈内存和时间,导致时间复杂度,空间复杂度高。
2.动态规划的特征
- 求一个问题的最优解
- 大问题可以分解为子问题,子问题之间有相互重叠的子问题(没有重叠部分可用递归解决),需要使用数据结构如数组存储中间状态
- 整体问题的最优解取决于子问题的最优解(状态转移方程)
- 从上往下分析问题,从下往上解决问题
- 需要确定边界
3.适用条件
- 具有相同的子问题,保证分割的子问题也能分割成更小的子问题
- 满足最优结构,一个决策的最优结构也是最优的
- 无后效性,每个子问题的决策不能对后面其他未解决的问题产生影响
4.常用结题步骤
- 确定子问题:分析哪些变量随问题规模变小而变小,哪些变量与问题规模无关
- 确定状态:根据上面找到的子问题给子问题限定状态
- 推出状态转移方程
- 确定边界条件
- 确定实现方式
5.常用模型
LIS、LCS、01背包、完全背包、区间模型、树状模型
6.Fibonacci数列
使用递归解决Fibonacci数列,因为在Fibonacci数列中有重复子问题,递归会产生重复计算问题。
递归解决:
public int getFibnacci(int i) {
if (i == 1 || i == 2)
return 1;
return getFibnacci(i-1)+getFibnacci(i-2);//重复计算
}
动态规划:
public int getFibnacci_dp(int n) {
if (n < 1)
return -1;
if (n < 3)
return 1;
int[] dp = new int[n];//保存中间结果
dp[0] = 1;
dp[1] = 1;
for (int i = 2; i < n; i++)
dp[i] = dp[i-1] + dp[i-2];
return dp[n-1];
}
后面将对每个模型给出例子加以学习