学习笔记--DP技巧入门 --1014. 最 亻圭 观光组合

此题按照常规逻辑应该是暴力解,即使做了剪枝，时间复杂度也会达到O(N*2)。

暴力解代码实现很简单，我们就不分析了。让我们直接进入DP。

DP思考路线

1.DP题当然先从DP特性入手。-- 最佳子结构 -- 无后效性。--重复子问题

      容我赘述一下三个特性

• 最优子结构 指的是，问题的最优解包含子问题的最优解。
• 无后效性 有两层含义，第一层含义是，在推导后面阶段的状态的时候，我们只关心前面阶段的状态值，不关心这个状态是怎么一步一步推导出来的。第二层含义是，某阶段状态一旦确定，就不受之后阶段的决策影响。无后效性是一个非常“宽松”的要求。只要满足前面提到的动态规划问题模型，其实基本上都会满足无后效性。
• 重复子问题那就是，不同的决策序列，到达某个相同的阶段时，可能会产生重复的状态。

2.第二分析题目给的特殊玩意 （就是给的公式 或者 条件 反正这种都是DP的切入点！！！）

3.结合递推公式的特点和第二点分析公式 

4.写出递推公式（这样就完成了80%了 剩下的就是处理细节和代码实现，不同的题有不同的代码细节我能力有限 只能浅谈这道题了。）

---

那我们就一步一步来

1.第一步比较硬性，就是单纯地快速回想这几个特性的在脑海里的概念，重复子问题一般都是从暴力解中了解，其余两个都是结合递推公式特点来联想。

        最佳子结构 ：回想平常了解的递推公式，都是以最优（最大or最小）存在的，所以 dp(N) 肯定是XXX的最优解。

        无后效性 ：回想我上篇打家劫舍特点分析 相邻，但我们只从单方向考虑。也就是，我们的思路应该是单调性的 一路顺下去的，就只考虑顺序or逆序（针对单数组问题），这也是符合无后效的特点。

2.这个题目的特点就是给出了条件(也就是公式)。（相当于就是  题目：“哥! 快！分析我下面那个 ，分析就可以A我了！就可以A了我了！！AAAAAA****我了！！”） 咳咳...

公式如下：

• values[i] + values[j] + i  -  j，
• dp(N) = XXX （这是我们常见的递推公式）

我相信大家最直观的就是 dp（N）= max（values[i] + values[j] + i  -  j，dp（N-1））

3.直观可不行 得需要具体逻辑！第三步！结合！

 回想起来 常规思路我们可以设 dp（j） 是以J为结尾XXX的最大值(不包含N，0 ~ N-1)；

难点就在我们如何把XXX表述出来！ 所以就是结合！结合！结合！ 结合题目给的特点--公式

1. 发现 给出条件(i < j) 很清晰地知道 肯定是要给出以 j 为结尾 的递推公式。
2. 将 公式移位发现 values[ i ] + i + values[ j ] -  j （i < j），以 + 分成两部分看 考虑 以j 为结尾的最大值 只需要保证 values[ i ] + i是最大就行了。

 所以递推公式显而易得 res= max(res,  dp( j ) + values[ j ] -  j);

这样递推公式也就和题目公式结合起来了。从上述有序列表 简单分析可得 dp[j] 只是在寻找  values[ i ] + i 的最大值即可。

代码如下：

class Solution {
    public int maxScoreSightseeingPair(int[] values) {
        int n = values.length;
        int dp = 0, res = 0;
        for (int i = 1; i < n; i++) {
            dp  = Math.max(dp, values[i - 1] + i - 1);
            int j = i; //为了呼应我上面的公式 j只是方便理解。
            res = Math.max(res, dp + values[j] - j);
        }
        return res;
    }
}

PS：这是第二篇写的博客，如果有不好的地方 希望多多包含。

其实我觉得DP这玩意还是刷题，得先从经典题目入手，然后举一反三，这样子DP的感觉是越来越好的。