记录第一天动态规划
1.什么是动态规划
在一些问题的解决过程中,如果该过程可以分为若干相互联系的阶段,每个小的阶段都需要作出决策,每个决策不仅是依赖于之前面临的状态,同时又影响以后的状态,即引起状态的转移。在解决这个多阶段的最优化的过程称为动态规划方法。
2.基本使用步骤
算法都是都方法和技巧的,尤其是这样模块的问题,从现在开始包括以后我需要记录我现在的方法,
2.1将问题进行划分
任何一个问题都先进行分析,这个问题是需要什么方法可以解决,举例来说,如果某个问题涉及到多阶段多决策,目标是求解最值问题,那么这个问题可以使用动态规划进行。这一步需要回扣概念,看是否可以满足条件。
2.2找出状态变量
所谓的状态变量就是在多阶段过程中的不同的状态,在求解动态规划的问题时候,通常使用二维数组或者一维数组进行表示。
2.3状态转移方程
这是动态规划的问题的难点和核心的地方,如何写出转移状态方程是很难的,这个时候就是要分析其中的关系了。
2.4寻找边界条件
给出的状态方程不是无限的进行的,方程的目的就是求出最优的解,因此我们在最后的输出的时候如何进行判断最后的是很重要的。
3.入门级例题
1. 分析
按照之前的步骤,对问题进行分析。该问题可以分解为题目中给的关系,当前的n这个阶段的结果不仅是影响下一个阶段的结果,还受到上一个阶段的结果的影响。
状态变量需要确找到,这里的状态变量就是F(n)
状态转移方程需要明确,F(n) = F(n-1)+F(n-2)这就是状态转移方程。
最后找到决策边界,这个是题目中给的n。
2.代码
爬楼梯
爬楼梯这个方法斐波那契数列是一样的,也就是到达n级台阶的方案数和前一级台阶或者前两级台阶上来的是一样的,所以状态转移方程是一样的,边界条件,f(0)=0;f(1)=1。
public int climbStairs(int n) {
int[] dp = new int[n+1];
dp[0] = 1;
dp[1] = 1;
for(int i=2;i<=n;i++){
dp[i] = dp[i-1]+dp[i-2];
}
return dp[n];
}
青蛙跳台阶问题
这个问题和上面的问题是一模一样的,只是初始的边界条件是不一样的。
动态规划之最少花费爬楼梯![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/e25807977dec1dabfc632e784eb3c432.png#pic_center)
class Solution {
public int minCostClimbingStairs(int[] cost) {
// 前一步和前两步就是谁小看谁
int[] dp = new int[cost.length];
dp[0] = cost[0];
dp[1] = cost[1];
for(int i=2;i<cost.length;i++){
dp[i] = Math.min(dp[i-2],dp[i-1])+cost[i];
}
return Math.min(dp[cost.length-2],dp[cost.length-1]);
}
}
欢迎批评指正,欢迎关注我的力扣:羊村儿的希望
.