动态规划解题思路总结归纳(二)

五、案例详解 —— 64. 最小路径和

给定一个包含非负整数的 m x n 网格 grid ，请找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。
说明：每次只能向下或者向右移动一步。
来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/minimum-path-sum/

步骤一、定义数组元素的含义

由于我们的目的是从左上角到右下角，最小路径和是多少，那我们就定义dp[i][j]的含义为：当机器人从左上角走到(i, j) 这个位置时，最小的路径和是 dp[i] [j]。那么，dp[m-1] [n-1] 就是我们要的答案了。

注意，这个网格相当于一个二维数组，数组是从下标为 0 开始算起的，所以 由下角的位置是 (m-1, n - 1)，所以 dp[m-1] [n-1] 就是我们要走的答案。

步骤二、找出关系数组元素间的关系式

想象以下，机器人要怎么样才能到达 (i, j) 这个位置？由于机器人可以向下走或者向右走，所以有两种方式到达。

方式1：从 (i-1,j) 的位置向右走一步到达；
方式2：从 (i,j-1) 的位置向下走一步到达。

不过这次不是计算所有可能路径，而是计算哪一个路径和是最小的，那么我们要从这两种方式中，选择一种，使得dp[i] [j] 的值是最小的，所以公式为：
dp[i][j] = min(dp[i-1][j],dp[i][j-1]) + arr[i][j] // arr[i][j] 为网格中的值

步骤三、找到初始值

初始值是计算出所有的 dp[0] [0….n-1] 和所有的 dp[0….m-1] [0]。这个还是非常容易计算的，相当于图中的最上面一行和左边一列。因此初始值如下：

dp[0] [j] = arr[0] [j] + dp[0] [j-1]; // 相当于最上面一行，机器人只能一直往右走
dp[i] [0] = arr[i] [0] + dp[i-1] [0]; // 相当于最左面一列，机器人只能一直往下走

代码：

class Solution {
    public int minPathSum(int[][] grid) {
        // 定义数组
        int m = grid.length,n = grid[0].length;
        int[][] dp = new int[m][n];

        // 初始化值
        dp[0][0] = grid[0][0];
        for (int i = 1;i < n; i++) {
            dp[0][i] = dp[0][i-1] + grid[0][i];
        }

        for (int i = 1;i < m; i++) {
            dp[i][0] =  dp[i-1][0] + grid[i][0];
        }

        // 用关系式计算
        for (int i = 1;i<m;i++) {
            for (int j = 1;j<n;j++) {
                dp[i][j] = Math.min(dp[i-1][j],dp[i][j-1])+grid[i][j];
            }
        }

        return dp[m-1][n-1];
    }
}

六、案例详解 —— 322. 零钱兑换

给你一个整数数组 coins ，表示不同面额的硬币；以及一个整数 amount ，表示总金额。

计算并返回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 。

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。

步骤一：定义数组元素含义

dp[amount] 表示兑换面额 i 元所需要的最少硬币数

步骤二、找出关系数组元素间的关系式

可以组成dp[amount] 的组合不止一个，题目需要取最小的那个。

步骤三、寻找初始值

dp[0] = 0 ，另外给数组每一个值赋值为 amount + 1 的初始值，最后如果dp[amount]的值大于 amount ，表示有任何一种硬币组合能组成总金额，返回 -1。

代码：

class Solution {
    public int coinChange(int[] coins, int amount) {
        int max = amount + 1;
        int[] dp = new int[amount + 1];
        Arrays.fill(dp, max);
        dp[0] = 0; //面额0只需要0个硬币兑换
	
        for (int i=1;i<=amount;i++) {
        // 循环面额
            for (int coin:coins) {
            //循环硬币数组
                if (i>=coin) {
                //当面额大于硬币价值时
                    dp[i] = Math.min(dp[i],dp[i-coin]+1);
                }
            }
        }
        return dp[amount]>amount?-1:dp[amount];
    }
}

7、总结 —— 什么样的问题适合用动态规划来解决？