1.动态规划框架
动态规划问题根据以下3点入手
- 问题的Base Case情况(最简单的情况)
- 问题的状态有哪些
- 什么选择问题的状态可能会改变
- 如何定义dp数组表达状态和选择
综上,解决动态规划的关键是状态,选择,dp数组
dp[..][..]=Base Case;//初始化dp数组
//状态转移
for(状态1 in 状态1所有取值)
{
for(状态2 in 状态2所有值)
{
...
dp[状态1][状态2][...]=最优选择;
}
}
2.框架应用
①斐波那契数列最基础解法
重叠子问题
#include<iostream>
using namespace std;
int Fib(int Num)
{
if (Num == 0)
{
return 0;
}
else if (Num == 1 || Num == 2)
{
return 1;
}
else
{
return Fib(Num - 1) + Fib(Num - 2);
}
}
int main()
{
cout << Fib(5) << endl;
return 0;
}
利用递归图进行分析
如上图可知:Fib(4),Fib(3)等都存在重复的计算
时间复杂度的计算
- 节点总数级别为O(2^n)
- 解决一个子问题因为不涉及循环为O(1)
所以上述程序的时间复杂度为O(2^n)
上述代码因为重叠子问题原因效率低。重叠子问题是动态规划中常见的问题
dp数组斐波那契数列
为了提高性能,用备忘录来记录计算结果,当有重复计算时不需要在计算了,直接到备忘录中查找。这个备忘录就称为dp数组
#include<iostream>
#include<vector>
using namespace std;
int Fib(int Num)
{
if (Num == 0)
{
return 0;
}
if (Num == 1 || Num == 2)
{
return 1;
}
vector<int>dp(Num + 1, 0);//初始化备忘录
dp[1] = 1; dp[2] = 1;
for (int i = 3; i <= Num; i++)
{
dp[i] = dp[i - 1] + dp[i - 2];//将计算结果记录到备忘录上,避免重复计算
}
return dp[Num];
}
int main()
{
cout << Fib(5) << endl;
return 0;
}
时间复杂度为O(N),效率提高。
状态方程
状态方程:描述问题结构的数学形式
eg:斐波那契数列的状态转移方程为:
f
(
n
)
=
{
1
,
n=1,2
f
(
n
−
1
)
+
f
(
n
−
2
)
,
n>2
f(n)= \begin{cases} 1, & \text {n=1,2} \\ f(n-1)+f(n-2), & \text{n>2} \end{cases}
f(n)={1,f(n−1)+f(n−2),n=1,2n>2
状态方程代表动态规划的暴力求解法
状态压缩
在斐波那契数列中备忘录(dp数组)不需要太大,大小只要两个即可,记录前1个和前两个计算的。可以上述代码优化为空间复杂度为O(1)
#include<iostream>
#include<vector>
using namespace std;
int Fib(int Num)
{
if (Num == 0)
{
return 0;
}
if (Num == 1 || Num == 2)
{
return 1;
}
int cur = 1; int prev = 1;//记录前两次的计算结果,防止重复计算
int sum = 0;
for (int i = 3; i <= Num; i++)
{
sum = cur + prev;
prev = cur;
cur = sum;
}
return sum;
}
int main()
{
cout << Fib(5) << endl;
return 0;
}
这种技巧就是状态压缩
②LeetCode零钱兑换
最优子结构
实现目标的最少消耗。如上图最优子结构就是:凑成总金额所需的 最少的硬币个数。
动态规划问题一定会存在最优子结构。
思路
套用动态规划公式
- 确认Base Case:目标金额为0时最简单,返回0。
- 确认问题的状态:选择硬币,目标金额会不断的向0靠近,最后到达Base Case
- 确定什么选择会影响状态:每次选择硬币,目标金额减少(状态),所以选择硬币的面值是会影响状态的选择。
- 确认dp数组:函数的参数是目标金额,返回值是选择硬币数量最少的值。所以dp数组(备忘录)定义为输入目标金额,返回凑齐面值的最小的硬币数量。
状态转移方程
f ( n ) = { 0 , n=0 − 1 , n<0 m i n ( d p ( n − c o i n ) + 1 , d p ( n ) ) , n>2 f(n)= \begin{cases} 0, & \text {n=0} \\ -1, & \text {n<0} \\min(dp(n-coin)+1,dp(n)), & \text{n>2} \end{cases} f(n)=⎩⎪⎨⎪⎧0,−1,min(dp(n−coin)+1,dp(n)),n=0n<0n>2
C++dp数组解法
class Solution {
public:
int coinChange(vector<int>& coins, int amount) {
vector<int>dp(amount+1,amount+1);//初始化dp数组
dp[0]=0;//Base Cast条件
for(int i=0;i<dp.size();i++)//for(状态1 in 状态1所有取值)
{
int coin=0;
for(int j=0;j<coins.size();j++)
{
//最优选择
coin=coins[j];
if(i-coin<0)
{
continue;//无解,重新选择硬币
}
dp[i]=min(dp[i],1+dp[i-coin]);
}
}
return dp[amount]==amount+1?-1:dp[amount];
}
};