例子:longest common sequence(LCS), leetcode 683 (Shopping Offer)
思想:首先通过穷举,用最粗鲁的办法遍历所有结果,从而推测出结果所需要的变量;
然后设想能否通过动态规划,减少上述办法中的重复计算结果;
方法一,可否将一个大问题(变量值较大)的转化成在子问题的基础上进行一些判断;
方法二,当变量互相独立时,可试着挨个考虑变量。
1.写出递归式,即将一个n的问题拆成一个或几个子问题(一般为n-1);然后从头开始算。
定义问题时所用的变量的即为决策。
由于需要动态决定每个决策,因此每个变量的每个值都需要取到。
方法有两个:
1.对每个变量进行一重循环,即可循环出所有的变量取值组合;(变量个数==循环重数)
2.当不知道变量的具体个数时,可以对每个变量影响的所有结果进行一次遍历;(变量个数==大循环的循环次数&&每个变量对所有(可能产生影响的)结果进行从小到大的遍历:相当于对一个目标遍历了所有变量的取值)
例如:LCS时,对于当前的字符,根据他们是否相等,来决定LCS是否增加一位;或是左边和上边的数字取最大值。(第一种)
Shopping Offer时,对于当前的special offer,根据使用和不使用每个offer,变量的个数为offer的个数,非常量,因此采取第二种方法。
3. Tips:
当变量过多,导致不能成功拆分成子问题时,可以假设某个变量确定(最后在遍历该变量的值),然后根据剩下的变量来拆分子问题。
4.动态规划的结果往往由多维数组构成。
5.结果的更新必须由小到大。
6. 初始化:
为一定会被比下去的结果。