这几天刷力扣做到了动态规划相关的题目,整理下动态规划的知识。
能应用动态规划的问题一般有以下特点:
(1) 最优化原理:如果问题的最优解所包含的子问题的解也是最优的,就称该问题具有最优子结构,即满足最优化原理。
(2) 无后效性:即某阶段状态一旦确定,就不受这个状态以后决策的影响。也就是说,某状态以后的过程不会影响以前的状态,只与当前状态有关。
(3)有重叠子问题:即子问题之间是不独立的,一个子问题在下一阶段决策中可能被多次使用到。(该性质并不是动态规划适用的必要条件,但是如果没有这条性质,动态规划算法同其他算法相比就不具备优势)
这么说太抽象了,下面结合几个例题说明。
1.斐波那契数列
写一个函数,输入 n ,求斐波那契(Fibonacci)数列的第 n 项(即 F(N))。斐波那契数列的定义如下:
F(0) = 0, F(1) = 1
F(N) = F(N - 1) + F(N - 2), 其中 N > 1.
斐波那契数列由 0 和 1 开始,之后的斐波那契数就是由之前的两数相加而得出。
答案需要取模 1e9+7(1000000007),如计算初始结果为:1000000008,请返回 1。
示例 1:
输入:n = 2
输出:1
示例 2:
输入:n = 5
输出:5
题目链接:https://leetcode-cn.com/problems/fei-bo-na-qi-shu-lie-lcof/
在本问题中,F(N) = F(N - 1) + F(N - 2),也就意味着计算当前状态与之前的状态有关,而当前状态也不会受之后的状态影响,如果使用递归解题,则需要大量的重复计算,例如F(N)和F(N-1)需要分别计算F(N-1)和F(N-2),浪费时间。
而采用动态规划解题,只需要用一维数组dp来将第i个斐波那契数存储到dp[i],这样计算第n个斐波那契数时只需要调用数组中的dp[i-1]和dp[i-2]。前两个数字dp[0]dp[1]对应初始化为F(0)和F(1)即可。
但是这样需要O(n)的额外空间,是否有进一步节省空间的方法呢?由于dp 第i项只与第i-1和第i-2项有关,因此只需要初始化三个整形变量tmp,a,b,利用辅助变量tmp使a,b两数字交替前进即可。
代码如下:
int fib(int n) {
if (n <= 1) return n;//如果n少于等于1直接returF(N)
int a = 0;
int b = 1;
for (