第十六天：动态规划

今天是释然发题解的第十六天，以后每一天都会和大家分享学习路上的心得，希望和大家一起进步，一起享受coding的乐趣。
本文约2700字，预计阅读10分钟
昨天我们学习了快速排序，忘记的小伙伴们可以看一下哦：

快速排序

今天我们来聊一聊动态规划，明天和大家分享动态规划的相关题目：

定义：

动态规划这个东西吧，定义有点复杂，我们先来通过例题入手：
例子: 一个含有n阶的楼梯，一次可以走1步或2步，从底走到顶一共有几种走法？ 3<=n<=90
( 4660046610375530309)
这道题在我们学习递归的时候已经非常熟悉了，但是随着它数据的变大，它的复杂度成指数型增长

递归
f(1)=1;
f(2)=2;
f(n)=f(n-1)+f(n-2);

我们尝试一下在计算机里面输入楼梯数是90，发现它直接就崩溃了。。。。（2^90=1.2379400392854e+27）

那我们就会想着优化去降低它的复杂度
我们会发现中间会存在很多地重复调用，我们可以判断是否计算过来减少计算的次数，这其实就是递归调用最大的不便之处，虽然代码简单，但是随着次数的增加，计算的空间和时间都相当的恐怖

因此优化一下：

#include<iostream>
using namespace std;
int f[100];
bool bn[100];
int fun(int m)
{
    if(!bn[m])//检查是否已经计算过
    {
        f[m]=fun(m-1)+fun(m-2);//保存已经计算过的值
        bn[m]=true;
    }
    return f[m];
}
int main()
{
    int n;
    cin>>n;
    for(int i=1;i<n;i++)
        bn[i]=false;
    f[1]=1;f[2]=2;
    bn[1]=bn[2]=true;
    cout<<fun(n)<<endl;
    return 0;
}

当我们尝试去用一个标记数组发现还是不行，得到的竟然是负值：
说明我们定义的数据范围不够，需要用long long

#include<iostream>
using namespace std;
long long f[100];
bool bn[100];
long long fun(int m)
{
    if(!bn[m])//检查是否已经计算过
    {
        f[m]=fun(m-1)+fun(m-2);//保存已经计算过的值
        bn[m]=true;
    }
    return f[m];
}
int main()
{
    int n;
    cin>>n;
    for(int i=1;i<=n;i++)
        bn[i]=false;
    f[1]=1;f[2]=2;
    bn[1]=bn[2]=true;
    cout<<fun(n)<<endl;
    return 0;
}

综上，动态规划是一种优化型的搜索或者说哦记忆性搜索，解决的是多阶段的问题，划分成小问题（类似于分治）如果在解决问题的时候不需要更新之前的状态，那么这种方法叫做贪心法。
如果我们不能仅有上一状态推导到下一状态，那么这个时候就需要用动态规划算法来进行决策，我们写出状态转移方程，通过自底向上的方式来解决问题

动态规划解题的基本步骤

1.明确dp数组的含义：

就是我们要有足够的信心相信dp数组它能够解决问题

2.找出递归关系式：

这应该算是最难的一步了吧，但是我们也可以通过分析情况来找：
（1）通过考虑每一次决策与否来写出对应的状态转移方程（递推关系式）
（2）考虑不同的情况，采用加法原理判断到达这一状态的可能性
（3）…应该还有我还没有总结到的…
我个人是不太喜欢最优子结构这种专用名词，我在一开始的学习的时候其实是没有怎么管这种词的，当我们学了一定境界的时候自然也会明白了的，初学者是不需要考虑这么多的，emmm，当然理解本质肯定会更好

3.就是初始化了

比如拿斐波那契数列来说，我们需要知道第一项和第二项的值来进行后面的递推，相当于递归里的边界条件

基本上绝大多数题目都是可以用这三个方法来解决的，动态规划一般解决的很多都是字符串有关的问题，

好了这个时候我们来举一个例子：

例题：不同路径(leetcode62)

传送门
一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为“Start” ）。

机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中标记为“Finish”）。

问总共有多少条不同的路径？

例如，上图是一个7 x 3 的网格。有多少可能的路径？

示例 1:

输入: m = 3, n = 2
输出: 3
解释:
从左上角开始，总共有 3 条路径可以到达右下角。

1. 向右 -> 向右 -> 向下
2. 向右 -> 向下 -> 向右
3. 向下 -> 向右 -> 向右
   示例 2:

输入: m = 7, n = 3
输出: 28
提示：
1 <= m, n <= 100
题目数据保证答案小于等于 2 * 10 ^ 9

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/unique-paths

解题思路一：数学的思想

因为机器到底右下角，向下几步，向右几步都是固定的，

比如，m=3, n=2，我们只要向下 1 步，向右 2 步就一定能到达终点
示例中，m=3,n=7,就是向下走2步，向右走6步

所以有 C m-1
C m+n−2
这个方法太强大了，只有数学好的人才能想明白，当然我们在比赛中数学好的人。那肯定是占相当大的优势的
具体就是算一下组合数就行了

解题思路二：动态规划

咱们来一步一步来：

1.明确dp数组的含义：

dp[ i ] [ j ]就是指走到（i，j）这个格子的步数，因为从左向右，从上往下，所以会有明确的状态转移方程

2.找出递归关系式：

那么我们细化到每一步，每一步只能由上面的格子和下面的格子得到，那么因此

 dp[i][j] = dp[i-1][j]+dp[i][j-1];//是不是很简单

3.初始化

因为每一个格子都必须要从上面的格子和下面的格子得到，因此需要对最先的行和列进行初始化：

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

最后输出dp[i][j]就行啦！是不是超级简单呢？
好了，今天的动态规划就到这里。
释然每天发布一点自己学习的知识，希望2年后我们也能在ACM的赛场上见面，一起去追寻自己的程序猿之路吧！

后期也会和大家一起分享学习心得和学习经验呢，明天我们不见不散哦！

下期预告：

动态规划之线性动态规划

如果大家有什么建议或者要求请后台留言，释然也想和大家一起进步呀！
联系方式：shirandexiaowo@foxmail.com