算法基础学习——动态规划

斐硕人

已于 2022-12-10 13:45:52 修改

阅读量178

点赞数

分类专栏：僧旅文章标签：算法动态规划学习

于 2022-06-08 19:52:14 首次发布

本文链接：https://blog.csdn.net/feishuoren/article/details/125191021

版权

僧旅专栏收录该内容

34 篇文章 3 订阅

订阅专栏

核心思想

自底向上，对应于递归的自上而下
状态（数值）转移（一步步）方程（求解）
要进行空间优化（减少重复求解次数）
当初始状态给定时，用逆推比较方便；当终止状态给定时，用顺推比较方便

如果说贪心是局部最优，动态规划就是全局最优

通用解法

将问题拆分为子问题
- 什么是子问题：子问题与原问题形式相同或相似，但规模更小
- 限制：子问题求出的解要记录(选择最优情况)，优化子问题求解次数
- 求解：使用状态转移方程
确定状态
- 什么是状态：和子问题相关变量的一组取值（为了方便计算存储的数据）
- 怎么存储：是选择一维还是二维数组还是其他数据结构呢
分析边界状态
- 状态数组的边界部分（推断已知数据填起始值）
确定状态转移方程
- 使用已知的状态（已经存储的数据）求出未知状态（待求解数据）
- 转移过程：类似于递归
- 类似时刻的概念，t0 时刻的值和 t1 时刻的值
根据方程遍历

状态转移方程 tips

每次只消除一个变量，来寻找状态转移方程
若无明显确定的初始状态，可全部初始化为某个一般值，并按照某种排序顺序进行递归遍历更新 ( 感觉像数学题，不会就填 012 )
若无法形成递推关系，则考虑状态里的变量是不是少了

使用场景

不要求列出问题的所有解，只要求计算解的数目或找出其中一个最优解

看到动态规划，我的第一反应是《运筹学》中的动态规划，然而在众多算法讲解下我关注矛盾点逐渐偏移，还好拽回来了。这俩玩意是一个东西，细节略有不同，相关文章3也讲了这个问题。

运筹学中，如果遇到在某个限制条件下求最优解的问题（如背包问题），则可以使用动态规划。基本概念有6个：

阶段（问题划分为多个相互联系的时刻）
状态（每个阶段问题的状况）
决策（当过程处于某阶段的某状态时，可以做出的不同决定，会影响下一阶段状态）
策略（决策按顺序排列的集合，要寻找最优策略）
状态转移方程（一个状态到另一个状态的演变过程）
指标函数和最优值函数（指标函数：衡量过程优劣的数量指标，如各阶段指标的和或者乘积，最优值函数：指标函数的最优值，min或max）

其强调了策略的概念，结合该点能更快的识别动态规划问题。

最长递增子序列

以 i 结尾的最长递增子序列元素个数，应当是上一个比 i 小的结尾子序列元素个数的+1，子序列至少有1个元素。
arr: [1,3,5,9,2,4]
dp: [1,2,3,4,2,3]

let inputs = [5,2,4,9,2,3]

function computeMax(arr){
    let ans = 0

    let dp = new Array(arr.length)
    dp.fill(1)

    for (let i = 0; i < arr.length; i ++) {
        for (let j = 0; j < i; j ++) {
            if (arr[i] > arr[j]) 
                dp[i] = Math.max(dp[i], dp[j] + 1);
    
            console.log(i,j,dp)   
        }
    }
    for (let i = 0; i < dp.length; i ++) {
        ans = Math.max(ans, dp[i]);
    }
    return ans
}

console.log(computeMax(inputs))

1 0 [ 1, 1, 1, 1, 1, 1 ]
2 0 [ 1, 1, 1, 1, 1, 1 ]
2 1 [ 1, 1, 2, 1, 1, 1 ]
3 0 [ 1, 1, 2, 2, 1, 1 ]
3 1 [ 1, 1, 2, 2, 1, 1 ]
3 2 [ 1, 1, 2, 3, 1, 1 ]
4 0 [ 1, 1, 2, 3, 1, 1 ]
4 1 [ 1, 1, 2, 3, 1, 1 ]
4 2 [ 1, 1, 2, 3, 1, 1 ]
4 3 [ 1, 1, 2, 3, 1, 1 ]
5 0 [ 1, 1, 2, 3, 1, 1 ]
5 1 [ 1, 1, 2, 3, 1, 2 ]
5 2 [ 1, 1, 2, 3, 1, 2 ]
5 3 [ 1, 1, 2, 3, 1, 2 ]
5 4 [ 1, 1, 2, 3, 1, 2 ]
3

相关文章