动态规划类题目综述

动态规划题目特点：

1，计数

—机器人有多少种方式走到右下角

—有多少种方法选出k个数使得和是sum

2，求最大最小值

—从左上角走到右下角路径的最大数字和

—最长上升子序列问题

3，求存在性

—取石子游戏，先手是否必胜

—能不能选出k个数使得和是sum

 

最值型动态规划例题

例题：有2,5,7三种面值的硬币，如何以最少的硬币拼成27（LeetCode上第322题！）

• 动态规划组成部分之一：确定状态

       确定状态需要有两个意识，最优策略的最后一步和子问题。在本例题中可以理解为拼成27的最后一枚硬币是Ak,故最优解法是k-1枚硬币拼成了27-Ak，这样的思考方式就兼顾了最后一步和子问题，也就确定了状态。状态f(X) = 由最少用多少枚硬币拼出X，其中f(X)是数组！

子问题：f(X) = f(X-2) +1

             f(X) = f(X-5) +1

             f(X) = f(X-7) +1 ，求以上三个式子的min

       题目分析到这里，其实可以用递归的思想进行求解，但递归解法涉及的时间复杂度太大（许多情况需要重复计算），所以接着往下分析。

• 动态规划组成部分之二：转移方程，根据子问题定义直接得到

对于任意X，f[X] = min{f(X-2) +1,f(X) = f(X-5) +1,f(X) = f(X-7) +1},这里再次强调，f[X]是数组！

• 动态规划组成部分之三：初始条件与边界情况，细心、考虑周全

      在往下分析的过程中会遇到两个要考虑的地方，当X-2，X-5，X-7小于0怎么办以及什么时候停下来？我们可以事先定义当拼不出X时，f[X] = 正无穷，这是边界情况，初始条件f[0] = 0

• 动态规划组成部分之四：计算顺序，利用之前的计算结果

      一般情况下是按照从小到大的顺序计算，先计算初始条件f[0]，再计算f[1]，f[2]，.....，当我们计算到f[X]时，f(X-2)，f(X-5)， f(X-7)都已经计算过了，至此问题得解。

 

代码：

     

 

计数型动态规划例题

例题：Unique Path，机器人从左上角走到右下角多少种走法（LeetCode上第62题！）

• 确定状态：f[i][j]为机器人有多少种方法走到（i,j）

• 转移方程：f[i][j] = f[i - 1][j] + f[i][j - 1]

• 初始条件：f[0][0] = 1，机器人只有一种方式走到左上角（注意不能是0）

• 边界情况：i = 0或j = 0，此时只能有一种方法走过来，f[i][j] = 1，这步很重要！

• 计算顺序：对于二维问题，先一行行的计算，再计算列(从左到右)，最后返回值为f[i][j]

• 代码如下：

 

                        

 

存在性动态规划例题

例题：Jump Game (最好的解法是贪心算法)

• 确定状态：设f[j]表示青蛙能不能跳到石头j

• 转移方程：f[j] = OR 0<=i<j) (f[i] AND i + a[i] >= j)

• 初始条件：f[0] = true

• 边界情况：无

• 计算顺序：计算f[0]，f[1]，f[2]，...，答案是f[n-1]，第一块石头是f[0]

• 代码如下：

 

            

 

• Jump Game2，求出最少要跳几次才能到达最后一块石头，代码如下：

 

        

下面是一种高效的解法：