一、动态规划
动态规划,dynamic programming。其实还是蛮头疼的,写这句话的时候也还没有完全搞懂,写这篇希望自己也可以彻底搞懂动态规划的套路。
动态规划,通常用来求解最优化问题,是通过组合子问题的解来求解原问题,与分治方法很相似。虽然都是将一个问题拆分为一堆更小的子问题,但动态规划更强调的是拆分出的子问题是否可以被重复调用。这样,对每一个子问题的计算结果保存起来,避免不必要的计算。
所以,其实动态规划的本质是穷举法,求解最优化问题,必然会将所有结果都结算出来,比较最值。但动态规划又不是简单的暴力计算穷举,只是不进行重复计算,从而得到最优解。
那什么场景会使用到动态规划呢?适合动态规划方法求解的问题应该具备两个要素:
- 重叠子问题
- 最优子结构
关于这两个要素的含义,下面进行解释一下
二、重叠子问题
如果递归算法反馈求解了相同的子问题,则称其具有重叠子问题性质。下面通过一个常见的算法问题来体验下重叠子问题的概念。
2.1 暴力递归解法
斐波那契数列大家应该都很熟悉,用代码表示其实就是递归:
public static int fibonacci(int n) {
if(n == 1 || n == 2){
return 1;
}
return fibonacci(n -1) + fibonacci(n-2);
}
简单的用图来表示下递归过程:
可以看到,在一个简单例子F(6)的计算过程中,已经出现了重复计算,F(4)计算了两次,F(3)计算了三次,而这个二叉树的算法复杂度则为O(2^n),显然当F(n)计算较大时,这个算法是很低效的,而且有可能会栈溢出。
从这个问题中我们看到了重叠子问题的性质,下面看一下动态规划思想中对重叠子问题的处理。
2.2 动态规划的思想
仍然使用递归,但这次在自顶向下的递归算法中增加了备忘机制。
public static int dyFib(int n) {
//备忘机制
List