1、动态规划
动态规划关键是递推式::dp[i]或者dp[i][j]
和历史值有什么关系;如:dp[i] = dp[]i-1]+dp[i-2]
。。然后找初始值。
link
如下:斐波那契数列:0,1,1,2,3,5,8,12,21,34…
1、首先状态转移方程为:
f(n) = f(n-1)+f(n-2)
2、目标2,缓存并复用以往结果(完成)。图1的简单递归存在大量的重复任务。在线性规划解法中,我们把结果缓存在results列表,同时在results[i] = results[i-1] + results[i-2]中进行了复用。这相当于我们只需完成图2中红色部分的计算任务即可,时间复杂度瞬间降为O(n)
3、目标3,按顺序从小往大算(完成)。for循环实现了从0到n的顺序求解,让问题按着从小规模往大规模求解的顺序走。
public static int Fibonacci(int n) {
int[] arr = new int[n + 2];
int i;
arr[0] = 0;
arr[1] = 1;
if(n == 0){
return arr[0];
}
else if(n == 1){
return arr[1];
}
else{
for(i = 2; i <= n;i++){
arr[i] = arr[i-2] + arr[i-1];
}
return arr[n];
}
}
例如:
HZ偶尔会拿些专业问题来忽悠那些非计算机专业的同学。今天测试组开完会后,他又发话了:在古老的一维模式识别中,常常需要计算连续子向量的最大和,当向量全为正数的时候,问题很好解决。但是,如果向量中包含负数,是否应该包含某个负数,并期望旁边的正数会弥补它呢?例如:{6,-3,-2,7,-15,1,2,2},连续子向量的最大和为8(从第0个开始,到第3个为止)。给一个数组,返回它的最大连续子序列的和,你会不会被他忽悠住?(子向量的长度至少是1)
分析:位置i为最后元素的最大子数组dp[i]可以由:dp[i]=dp[i-1]+array[i](如果dp[i-1]>0)
或者dp[i]=array[i]
求出
1、首先状态转移方程为:dp[i]=dp[i-1]+array[i](如果dp[i-1]>0)
或者dp[i]=array[i]
2、将以每个位置结尾的最大值存在临时变量res里,每次更新最大值
3、按顺序从小往大算(完成)
package M26TO30;
public class SoluFindGreatestSumOfSubArray {
public static int FindGreatestSumOfSubArray(int[] array) {
int n = array.length;
int[] dp = new int[n+1];//包含array[i]的连续数组最大值
dp[0] = array[0];//位置0处的最大值,即自己
int ret = dp[0];//记录当前所有子数组的和的最大值
for (int i=1; i<n; ++i) {
if(dp[i-1]>0){
dp[i] = dp[i-1]+array[i];
}else{
dp[i]=array[i];
}
ret = Math.max(ret, dp[i]);
}
return ret;
}
public static void main(String[] args) {
int[] t =new int[]{1,-5,-10,5,12,15};
System.out.println(FindGreatestSumOfSubArray(t));
}
}
2- 二分法模板
二分查找的思路不难理解,但是边界条件容易出错,比如 循环结束条件中 left 和 right 的关系,更新 left 和 right
位置时要不要加 1 减 1。下面给出两个可以直接套用的模板,记住就好了,免除边界条件出错。