2020-12-26 软件技术部 动态规划培训

动态规划概念

动态规划过程是：每次决策依赖于当前状态，又随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的，所以，这种多阶段最优化决策解决问题的过程就称为动态规划。

什么是动态规划？

将一个大问题转化成几个小问题；
求解小问题；
推出大问题的解。

总而言之：大事化小，小事化了

动态规划题目特点

1. 计数

• 地图中小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. 求最大值最小值问题

• 从左上角走到右下角路径的最大数字和

• 最长上升子序列

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

以上仅为部分常见动态规划问题，可照此方向进行初步动态规划理解

动态规划题目初级分类

1. 坐标型动态规划

2. 序列型动态规划

3. 划分型动态规划

动态规划解题步骤

步骤one：确定状态

• 状态在动态规划中的作用属于定海神针

• 简单的说，解动态规划的时候需要开一个数组，数组的每个元素f[i]代表什么，f[i]即为状态

• 确定状态需要两个意识：

• 最后一步

• 子问题

最后一步：研究最优策略的最后一步

子问题：把一个原问题（大问题）化为子问题（小问题）

步骤two：转移方程

根据子问题定义直接得到即可因题目而异（此为难点，亦为解决此题重点与核心所在）

步骤three：初始条件和边界

根据题目具体分析

切记：细心，考虑周全

步骤four：计算顺序

因需要利用前面的计算结果，故一般顺序为从左到右，从上到下

具体题目案例分析

one

你有三种硬币，分别面值为2元，5元和7元，每种硬币都有足够多

买一本书需要27元

如何使用最少的硬币组合正好付清，不需要对方找钱?

本题是一种最值型动态规划

解题思路：

1. 确定状态：

• 虽然我们不知道最优策略是什么，但是最优策略肯定是K枚硬币a1,a2,…,ak面值加起来是27

• 所以一定有最后一枚硬币:ak

• 除去这最后一枚硬币，前面硬币面值加起来是27-ak

（关键点1: 我们不关心前面k-1枚硬币是怎么拼出27-ak的，而且我们现在甚至不知道ak和k，但是我们确定前面的硬币拼出了27-ak。关键点2: 因为是最优策略，所以拼出27-ak的硬币数量一定要最少，否则这就不是最优策略了）

• 所以我们就要求：最少用多少枚硬币可以拼出27-ak

• 原问题是最少用多少枚硬币拼出27

• 我们将原问题转化成了一个子问题，而且规模更小: 27-ak

• 为了简化定义，我们设状态f(x) = 最少多少枚硬币拼出x

2. 转移方程：

• 设状态f[X] = 最少用多少枚硬币拼出X

• 对于任意X，

3. 初始条件和边界

• 初始条件f[0] = 0

• 如果不能拼出Y，就定义f[Y] = 正无穷

• 例如f[-1] = f[-2] = …… = 正无穷

• 所以f[1] = min{f[-1]+1,f[-4]+1,f[-6]+1}=正无穷，表示无法拼出1

4. 计算顺序：

   f[1],f[2],f[3]…f[27]

   当我们计算到f[X]时，f[X-2],f[X-5],f[X-7]都已经得到结果了

two

给定m行n列的网格，有一个机器人从左上角(0, 0)出发，每一步可以向下或者向右走一步

问有多少种不同的方式走到右下角

计数型动态规划

解题思路：

1. 确定状态：

• 最后一步：无论机器人用何种方式到达右下角，总有最后挪动的一步：向右或者向下

• 那么设右下角坐标为(m-1,n-1)

• 那么机器人前一步一定是在(m-2,n-1)或者(m-1,n-2)

• 子问题

• 问题转化为机器人有多少种方式从左上角走到(m-2,n-1)和 (m-1,n-2)

• 原问题是问有多少种方式从左上角走到(m-1,n-1)

• 状态：设f[i][j]为机器人有多少种方式从左上角走到(i, j)

2. 转移方程：

• 如果机器人有X种方式从左上角走到(m-2,n-1),有Y种方式从左上角走到(m-1,n-2)，则机器人有X+Y种方式走到(m-1,n-1)

• 对于任意一个格子(i, j):

  f[i][j] = f[i-1][j] + f[i][j-1]

3. 初始条件和边界：

• 初始条件：f[0][0] = 1, 因为机器人只有一种方式到左上角

• 边界情况: i=0 或 j=0, 则前一步只能有一个方向过来->f[i][j] = 1

4. 计算顺序：

• 计算第0行: f[0][0], f[0][1], …, f[0][n-1]

• 计算第1行: f[1][0], f[1][1], …, f[1][n-1]

• …

• 计算第m-1行: f[m-1][0], f[m-1][1], …, f[m-1][n-1]

three

有n块石头分别在x轴的0, 1, …, n-1位置

一只青蛙在石头0，想跳到石头n-1

如果青蛙在第i块石头上，它最多可以向右跳距离为ai

问青蛙能否跳到石头n-1

存在性动态规划

例子：

输入: a=[2, 3, 1, 1, 4] 输出: True

输入: a=[3, 2, 1, 0, 4] 输出: False

1. 确定状态：

• 最后一步：如果青蛙能跳到最后一块石头n-1，我们考虑它跳的最后一步

• 这一步是从石头i跳过来， i<n-1

• 这需要两个条件同时满足：

  1. 青蛙可以跳到石头i
  2. 最后一步不超过跳跃的最大距离: ai >= n-1-i
  

• 子问题

• 我们需要知道青蛙能不能跳到石头i (i<n-1)

• 原问题要求青蛙能不能跳到石头n-1

• 状态：设f[j]表示青蛙能不能跳到石头j

2. 转移方程：

3. 初始条件和边界：

• 初始条件：f[0] = True, 因为青蛙一开始就在石头0

4. 计算顺序：

• 计算f[1], f[2], …, f[n-1]