动态规划学习笔记

视频地址:https://www.bilibili.com/video/BV1xb411e7ww?from=search&seid=10475076981852959575

1. 动态规划题目类型

1.1. 按照题目求解目标分类

1. 求最大最小值
2. 计数：有多少种方式（走到右下角？选出k个数和为sum??）
3. 求存在性（谁获胜？能不能选出k个数和为sum?）

1.2. 按照题目数据模型分类

• 坐标型
• 序列型
• 划分型
• 区间型
• 背包型
• 最长序列型博弈型
• 综合型

2. dp组成部分一：确定状态

• 状态是dp的定海神针，用一个数组记录，需要知道每个数组元素dp[i]代表什么，也可能是多维数组。

2.1. 如何确定状态？（个人认为是千变万化的dp题目中最大难点）

• 最后一步：如果尝试通过递推的方式得到最后一步？
• 子问题
• 每个子问题对应一个状态，该状态满足最优子结构

3. dp组成部分二：转移方程（难点二）

2,5,7三种硬币，最少多少种硬币拼出X元为例：
$F(X)=minF(X-2),F(X-5),F(X-7)$

4. dp组成部分三：初始条件和边界情况（易错点）

5. dp组成部分四：计算顺序（易错点）

从已经计算的部分，根据转移方程推出后面的部分。

6. 动态规划的实现方式（模板技巧）

• 数组递推：少数题目只能使用这种方式实现
• 记忆化搜索：绝大部分可以使用这两种方式实现，且记忆化dfs往往思路更直接。记忆化搜索的可变参数数量决定dp数组的维度，每个可变参数的范围就是dp数组各个维度对应的大小。

// 使用记忆化搜索实现dp

class Solution {
public:
    int dp[505][505];  // 使用C语言风格在外部定义dp数组，维度与dfs可变参数个数一致

    int mod = (int)1e9+7;
    int numWays(int steps, int arrLen) {
        //对dp数组进行初始化
        memset(dp, -1, sizeof(dp)); 
        return dfs(steps, 0, arrLen);
    }

    int dfs(int steps, int loc, int arrLen){
        // 对边界值进行判断
        if (steps < loc || steps < 0 || loc < 0)
            return 0;
        if (steps == loc)
            return 1;
        
        // dp记录值检测
        if (dp[steps][loc] != -1)
            return dp[steps][loc];
        
        // 递推公式实现
        dp[steps][loc] = dfs(steps - 1, loc, arrLen) % mod;
        if (loc > 0)
            dp[steps][loc] += dfs(steps-1, loc-1, arrLen) % mod;
        dp[steps][loc] %= mod;
        if (loc < arrLen - 1)
            dp[steps][loc] += dfs(steps-1, loc+1, arrLen) % mod;
        dp[steps][loc] %= mod;
        return dp[steps][loc];
    }
};