Dynamic Programming(动态规划)
简介:
1)需要辅助空间,记录子问题解决结果。
2)明确各个子问题之间的关系,避免重复计算
3)通常对数组和字符串的高难度面试题有效。
与分治算法比较类似,但不同的是分治算法把原问题划归为几个相互独立的子问题,从而一一解决,而DP则是针对子问题有重叠的情况的一种解决方案。
思路:
利用recursive method,即首先把问题用递归的方法解决,然后用一个table保存recursive中的中间结果,这不就避免了递归中重复计算的低效了吗?遇到需要计算以前计算过的东西,直接查表就OK,总之一句话,先写recursive,然后比葫芦画瓢基本就能把DP的方法写出来。
这里的难点是如何找到recursive。算法导论里面也给的是这个思路。
普通递归方案,但是效率低下,复杂度较高;
long Fibonacci(int n)
{
if (n <= 0)
return 0;
if (n == 1)
return 1;
return Fibonacci(n - 1) + Fibonacci(n-2);
}
优化后的算法(动态规划),O(n); 思路: 从小向大算,根据f(0)和f(1)得出f(2), 根据f(1)、f(2)算出f(3); 以此类推,算f(n)
代码如下:
static int Fibonacci(int n)
{
if (n <= 0)
return 0;
if (n == 1)
return 1;
//存储中间结果, 数组索引从0开始; 所以初始化为n+1。 此处一定要注意!(或者使用List)
int[] resultArr = new int[n+1];
resultArr[0] = 0;
resultArr[1] = 1;
for (int i = 2; i <= n; i++)
{
resultArr[i] = resultArr[i - 1] + resultArr[i - 2];
}
return resultArr[n];
}
动归例题2 爬楼梯
N个阶梯的楼梯,每次爬1个或2个台阶,共有多少种办法爬到顶?
一维数组dp记录每个台阶方法数:
初始化:dp[0]=dp[1]=1
状态方程:dp[i]=dp[i-1]+dp[i-2]
public int climbStairs(int n)
{
// write your code here
if (n == 0 || n == 1) return 1;
int[] dp = new int[n + 1];//考虑数组下表从0开始
dp[0] = 1;//可以根据dp1和dp2反推出
dp[1] = 1;
for (int i = 2; i <= n; i++)
{
dp[i] = dp[i - 1] + dp[i - 2];//是前两个台阶的方法数之和
}
return dp[n];
}
动态规划例题3
砍木棍问题
有一个长n米的木头,和一个price table,table如下:
长度 i 1 2 3 4 5 6 。。。
价格 Pi 1 5 8 9 10 17。。。
求切木头方法,找出赚钱最多的办法。
思路: 很显然,这个递归的主要思路是我切一刀之后,分成两段,一段我按table的价钱卖了,另一段我当成一个新的子问题,继续作为我的函数的新的参数,这样不就递归了吗?但是问题是这一刀怎么切,没错,我们就来个找最大值,即max_{i =1 to n} Pi + Cut(n-i).
递归函数:
Cut(P, n){ //P 就是我的table,n是木头长度
if n == 0
return 0;
q = -infinity
for i = 1 to n
q = max(q,P[i]+Cut(P,n-i))
return q;
}
然后,根据这个recursive写DP
Cut(P, n){
for(int i = 1; i<=n; i++){
q = -infinity;
for(int j = 1; j<=i; j++)
q = max(q, P[j] + r[i-j]);
r[i] = q;
}
return r[n];
}
动归例题4
MaxWindowTotal will take an array of integers and a windowSize, and return the maximum total of any
consecutive(连续的) sequence of integers of length windowSize.
For example, given (array = [5, 12, 25, 7, 9], windowSize = 3), the method will return 44 (the sum of 12, 25, and 7 is the greatest total of any 3 consecutive integers in the array).
Implement MaxWindowTotal
e.g.
input: 5, 12, 25, 7, 9
5, 12, 25 = 42
12, 25, 7 = 44
25, 7, 9 = 41
思路分析:
1 本题需要注意consecutive (连续),不是返回N个元素就可以,必须连续;
2 定义sum时,要以Int32.MinValue为准; 不能初始化为0,否则无法处理负数输入;
3 先用暴力算法,再用动态规划算法; 即存储每次的结果,然后公式:
int
sum = resultArr[i] - values[i] + values[i + windowSize ];
暴力算法
static void Main(string[] args)
{
int[] arr = new int[] { 5, 12, 25, 7, 9 };
int windowSize = 3;
int sum = MaxWindowTotal(arr, windowSize);
Console.WriteLine(sum);
Console.ReadKey();
}
static int MaxWindowTotal(int[] values, int windowSize)
{
//boundary condition
if (windowSize > values.Length)
throw new Exception("windowSize is bigger than value'sLength");
int max = Int32.MinValue;//此处如果是负数的话;
for (int i = 0; i <= values.Length - windowSize; i++)
{
int sum = GetSum(values, i, i + windowSize);
if (sum > max)
max = sum;
}
return max;
}
static int GetSum(int[] values, int startIndex, int endIndex)
{
int result = 0;
for (int i = startIndex; i < endIndex; i++)
{
result += values[i];
}
return result;
}
优化后的动态规划版本,即每次计算完就存下来,防止下次重复计算求和
static int MaxWindowTotal(int[] values, int windowSize)
{
if (windowSize > values.Length)
throw new Exception("windowSize is bigger than value's Length");
int max = Int32.MinValue;
int[] resultArr = new int[values.Length - windowSize + 1];
resultArr[0] = GetSum(values, 0, 0 + windowSize);
if (resultArr[0] > max)
max = resultArr[0];
for (int i = 0; i < values.Length - windowSize; i++)
{
int sum = resultArr[i] - values[i] + values[i + windowSize ];
resultArr[i+1] = sum;
if (sum > max)
max = sum;
}
return max;
}
static int GetSum(int[] values, int startIndex, int endIndex)
{
int result = 0;
for (int i = startIndex; i < endIndex; i++)
{
result += values[i];
}
return result;
}