LeetCode动态规划(C++、重叠子问题、dp数组、最优子结构、状态转移方程、状态压缩-斐波那契数列-LeetCode零钱兑换)

1.动态规划框架

动态规划问题根据以下3点入手

1. 问题的Base Case情况(最简单的情况)
2. 问题的状态有哪些
3. 什么选择问题的状态可能会改变
4. 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

1. 节点总数级别为O(2^n)
2. 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：
$$f(n)=\{\begin{array}{ll}1,& \text{n=1,2}\\ f(n-1)+f(n-2),& \text{n>2}\end{array}$$

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

原题链接

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

1. 确认Base Case：目标金额为0时最简单，返回0。
2. 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
3. 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。
4. 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

$$f(n)=\{\begin{array}{ll}0,& \text{n=0}\\ -1,& \text{n<0}\\ min(dp(n-coin)+1,dp(n)),& \text{n>2}\end{array}$$

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];
    }
};