- 参考书籍:《laluladong的算法小抄》
- 参考文章: 动态规划精讲(一)
- 涉及到的题目/参考文章以超链接给出, 可以点击进行实践/参考
- 使用代码C/C++
目录
动态规划: 将原问题分解为相对简单的子问题进而求解相对复杂的原问题的方法.
动态规划问题思路
动态规划问题的一般形式是求最值, 求最值需要穷举所有的可能性, 穷举过程中需要注意两个问题:
- 穷举过程需要列出正确的状态转移方程, 才能获得正确的结果
- 穷举的过程中可能会出现 “重叠子问题”, 需要使用数据结构来记录穷举过的子问题
动态规划一定拥有最优子结构, 最优子结构通过子问题的最值最终获得原问题的最值.
如何列出正确的状态转移方程
需要注意:
- 问题的最简单形式(base case)是什么?
- 这个问题都有什么“状态”
- 对于每个状态, 需要做出什么选择来改变状态
- 如何定义dp数组/函数的含义来表现状态和选择
代码的框架可以概括为:
#初始化 base case
dp[0][0][...] = base case;
#进行状态转移
for 状态1 in 状态1的所有数值:
for 状态2 in 状态2的所有数值:
for ...
dp[状态1][状态2][...] = 求最值(选择1, 选择2, ...)
重叠子问题
通过<斐波那契数列>来说明重叠子问题:
int fib(int n) {
//fib(0) = 0 fivb(1) = 1
if(n == 0) return 0;
if(n == 1) return 1;
//fib(n) = fib(n-1) + fib(n-2)
return fib(n-1) + fib(n-2);
}
Tips: 遇到需要递归解决的问题, 最好画出递归树, 可以用来分析算法的复杂度, 寻找算法低效的原因
可以从递归树中看出计算f(20)和f(19)都需要计算f(18), 计算f(18)就是一个重叠子问题.
使用“备忘录” 解决重叠子问题(递归-dp函数)
使用数组或字典来记录子问题的结果, 如果遇到重叠子问题, 直接访问结果即可.
通过使用备忘录, 解决斐波那契数列的代码可以修改为:
int cal_fib(vector<int> &memo, int n)
{
if(memo[n] != -1) return memo[n];
memo[n] = cal_fib(memo, n-1) + cal_fib(memo, n-2);
return memo[n];
}
int fib(int n) {
if(n == 0) return 0;
if(n == 1) return 1;
vector<int> memo