算法定义:
动态规划(Dynamic programming,简称DP),动态规划算法是通过拆分问题,定义问题状态和状态之间的关系,使得问题能够以递推(或者说分治)的方式去解决。
动态规划算法的基本思想与分治法类似,也是将待求解的问题分解为若干个子问题(阶段),按顺序求解子阶段,前一子问题的解,为后一子问题的求解提供了有用的信息。在求解任一子问题时,列出各种可能的局部解,通过决策保留那些有可能达到最优的局部解,丢弃其他局部解。依次解决各子问题,最后一个子问题就是初始问题的解。
算法步骤:
1、拆分问题,将原问题分解为子问题。
2、确定问题状态。
3、确定一些初始状态(边界条件)的值。
4、利用剪枝(约束函数、限界函数)避免移动到不可能产生解的子空间。
算法示例:
1、
给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。
如果你最多只允许完成一笔交易(即买入和卖出一支股票),设计一个算法来计算你所能获取的最大利润。
注意你不能在买入股票前卖出股票。
示例 1:
输入: [7,1,5,3,6,4]
输出: 5
解释: 在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6-1 = 5 。
注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格。=
public int maxProfit(int[] prices) {
if(prices.length < 1)
{
return 0;
}
int buy[] = new int[prices.length];
buy[0] = prices[0];
int max = 0;
for(int i=1;i<prices.length;i++)
{
if(prices[i] < buy[i-1])
{
buy[i] = prices[i];
}
else
{
buy[i] = buy[i-1];
}
int tempProfit = prices[i] - buy[i-1];
if(tempProfit > max)
{
max = tempProfit;
}
}
return max;
}
2、假设你正在爬楼梯。需要 n 阶你才能到达楼顶。
每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢?
注意:给定 n 是一个正整数。
示例 1:
输入: 2
输出: 2
解释: 有两种方法可以爬到楼顶。
- 1 阶 + 1 阶
- 2 阶
public int climbStairs(int n) {
int arr[] = new int[n+1];
if(n < 1)
{
return 0;
}
if(n == 1)
{
return 1;
}
if(n == 2)
{
return 2;
}
arr[0] = 0;
arr[1] = 1;
arr[2] = 2;
for(int i=3;i<=n;i++)
{
arr[i] = arr[i-1]+arr[i-2];
}
return arr[n];
}