动态规划
可以利用动态规划解决的问题有这样一种特点:总问题可分解为子问题,而每一步子问题都依赖于前一步或前几步的结果。动态规划的求解速度相对于朴素解法更快,因为子问题的结果已经被记录,后面需要的时候直接调用即可。
动态规划的步骤:
- 确定状态代表什么(dp[i]或dp[i] [j]都代表啥);
- 状态如何转移的(dp[i] 和dp[i - 1] 或dp[i - k]之间的关系),一开始可以先枚举尝试,如果特别麻烦建议回到步骤1重新定义状态;
- 确定边界条件(dp[0]或dp[0] [0]都是啥);
- 确定输出是什么?是dp中的某个元素还是dp的最大值、最小值等;
- 时、空复杂度能否优化?
1. 最长上升子序列
状态:dp[i]表示以该元素结尾的最长上升子序列长度
转移:遍历0~i上的每个元素(索引为j),如果nums[i] > nums[j],此时dp[i] 更新为max(dp[j] + 1, dp[i]),每一轮遍历dp[i]都不断被更新,所以要用max(dp[j] + 1, dp[i])。
需要遍历两次输入数组,O(n^2)
class Solution {
public int lengthOfLIS(int[] nums) {
if (nums.length == 0) return 0;
int[] dp = new int[nums.length];
// base case
Arrays.fill(dp, 1);
for (int i = 1;i < dp.length;i++){
for (int j = 0;j < i;j++){
if (nums[i] > nums[j]){
dp[i] = Math.max(dp[i], dp[j] + 1);
}
}
}
return getMax(dp);
}
private static int getMax(int [] arr){
int max = arr[0];
for (int i = 1;i < arr.length;i++){
if (max < arr[i]) max = arr[i];
}
return max;
}
}
2. 最长连续递增序列
状态:dp[i]表示以当前元素结尾的最长连续递增序列长度
转移:如果nums[i] > nums[i - 1],dp[i] = dp[i - 1];否则dp[i] 维持初始值,即1,因为要求连续所以只需要和上一个元素对比即可,遍历数组一次即可,O(n)。
class Solution {
public int findLengthOfLCIS(int[] nums) {
if (nums.length == 0) return 0;
int[] dp = new int[nums.length];
// base case
Arrays.fill(dp, 1);
for (int i = 1;i < dp.length;i++){
if (nums[i] > nums[i-1]){
// 状态转移
dp[i] = dp[i-1] + 1;
}
}
return getMax(dp);
}
private static int getMax(int[] arr){
int max = arr[0];
for (int i = 1;i < arr.length;i++){
if (max < arr[i]){
max = arr[i];
}
}
return max;
}
}
3. 最长回文子串
状态:回文涉及到首尾两个元素,下意识维护一个二维dp数组。dp[i] [j]表示已i位置元素开头,j位置元素结尾的子串是否为回文。
转移:如果s[i] == s[j],dp[i] [j] = dp[i+1] [j-1];否则仍为false
class Solution {
public String longestPalindrome(String s) {
if (s.length() == 0) return "";
boolean[][] dp = new boolean[s.length()][s.length()];
String ans = "";
// 回文子串不断增长(len为子串长度-1)
for (int len = 0;len < s.length();len++){
// 遍历子串起始位置
for (int i = 0;i < s.length() && (i + len) < s.length();i++){
int j = i + len;
// 长度为1时
if (len == 0) {
dp[i][j] = true;
// 长度为2时
}else if (len == 1) {
dp[i][j] = s.charAt(i) == s.charAt(j);
}else{
dp[i][j] = dp[i+1][j-1] && s.charAt(i) == s.charAt(j);
}
// 每轮循环结束后判定是否要更新ans,len+1大于ans长度时就要更新,因为具体子串的起始位置是在内层循环的,所以在 内层循环中更新,同一len下反复更新也无所谓
if (dp[i][j] && len + 1 > ans.length()){
ans = s.substring(i, j+1);
}
}
}
return ans;
}
}
4. 最长回文子序列
状态:dp[i] [j]表示以i位置开始,j位置结束的区间内最长回文子序列长度
转移:如果s[i] == s[j],dp[i] [j] = dp[i+1] [j-1];否则i,j区间内最长子序列必然不包括i或j位置上的一个。
状态填充:一般来说一维dp直接顺序遍历,而二维dp的填充还要考虑以怎样的顺序遍历。根据状态的定义,dp[i] [j]可能需要dp[i+1] [j]或dp[i] [j-1],所以i逆序遍历,j正序遍历。
class Solution {
public int longestPalindromeSubseq(String s) {
int n = s.length();
if (n < 2) return n;
int[][] dp = new int[n][n];
for (int i = n - 1;i >= 0;i--){
dp[i][i] = 1;
for (int j = i + 1;j < n;j++){
if (s.charAt(i) == s.charAt(j)){
dp[i][j] = dp[i+1][j-1] + 2;
}else{
dp[i][j] = Math.max(dp[i][j-1], dp[i+1][j]);
}
}
}
return dp[0][n-1];
}
}
5. 编辑距离
状态:word1与word2之间的距离可以基于二者子字符串的距离,dp[i] [j]表示word1前i个字符串变成word2前j个字符串所需要操作数。
转移:如果word1[i] == word2[j],那么dp[i] [j] = dp[i-1] [j-1];否则去其左、左上、上三个元素中最小值并加上1即可。
状态确定:根据图示,顺序遍历即可。
class Solution {
public int minDistance(String word1, String word2) {
int n1 = word1.length();
int n2 = word2.length();
// dp数组每一维度增加1,表示字符串变为空所需要操作数
int[][] dp = new int[n1 + 1][n2 + 1];
// 边界条件初始化
for (int i = 0;i < n1 + 1;i++){
dp[i][0] = i;
}
for (int i = 0;i < n2 + 1;i++){
dp[0][i] = i;
}
for (int i = 1;i < n1 + 1;i++){
for (int j = 1;j < n2 + 1;j++){
dp[i][j] =
word1.charAt(i-1) == word2.charAt(j-1)?
dp[i-1][j-1]:
minBetweenThree(dp[i-1][j], dp[i][j-1], dp[i-1][j-1]) + 1;
}
}
return dp[n1][n2];
}
private static int minBetweenThree(int a, int b, int c){
if (a > b){
return Math.min(b, c);
}else{
return Math.min(a, c);
}
}
}
6. 打家劫舍
状态:介绍下心路历程,因为不是每家都会被偷,所以dp[i]不宜表示偷到第i家时的收入;dp[i]也不宜表示偷了第i家的最大收入,因为这样定义的dp[i]需要dp[i-k]…dp[i+k],不太好循环遍历;因此dp[i]定义为来到第i家时(可以偷或不偷)所能达到的最大收入,从这个角度来看,顺序遍历的时候有点贪心的意思,不难看出本题恰好贪心是最优的。
转移:相邻两家不能偷,dp[i-2] + nums[i] 和 dp[i-1]选大的,前者意味着i-1时不偷,后者意味着i时不偷。
状态确定:顺序遍历即可。
class Solution {
public int rob(int[] nums) {
int n = nums.length;
if (n == 0) return 0;
if (n == 1) return nums[0];
int[] dp = new int[n];
dp[0] = nums[0];
dp[1] = Math.max(nums[0], nums[1]);
for (int i = 2;i < n;i++){
dp[i] = Math.max(dp[i-2] + nums[i], dp[i-1]);
}
return dp[n-1];
}
}
7. 打家劫舍(二)
核心部分与上一题一样,但是首尾两家不能同时偷,所以取不偷第一家和不偷最后一家的较大者。
class Solution {
public int rob(int[] nums) {
int n = nums.length;
if (n == 0) return 0;
if (n == 1) return nums[0];
return Math.max(rob1(Arrays.copyOfRange(nums, 0, n-1)), rob1(Arrays.copyOfRange(nums, 1, n)));
}
private static int rob1(int[] nums){
int n = nums.length;
if (n == 0) return 0;
if (n == 1) return nums[0];
int[] dp = new int[n];
dp[0] = nums[0];
dp[1] = Math.max(nums[0], nums[1]);
for (int i = 2;i < n;i++){
dp[i] = Math.max(dp[i-2] + nums[i], dp[i-1]);
}
return dp[n-1];
}
}