动态规划初步

动态规划

一、动态规划的核心

​ 最近在力扣上刷多了几道动态规划问题的题，对动态规划形成了初步的了解。

​ 动态规划问题与递归问题类似，都是基于将问题分解成更小的问题，求解小问题后得到最终的答案。动态规划与递归不同的是，动态规划是自底向上地求解问题，其小问题是相对于问题规模而言的，如求解最大子数组和问题，给定长度为n的数组求最大子数组和（问题规模为n），动态规划采用的是从数组长度为1（最小的问题规模）时开始设计，考虑下一阶段（长度为2）与何种因素相关，从而列得状态转移方程，即动态规划巧妙地利用之前计算过的结果集求解当前问题。

二、以最大子数组和为例

力扣第53题 最大子数组和

​ 给你一个整数数组 nums ，请你找出一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。子数组 是数组中的一个连续部分。

1. 确定边界情况

   当数组长度为1时，放回nums[0]

2. 状态转移方程

   记f(i)为长度为i的数组的最大子数组和，则f(i) = max{f(i-1)+nums[i], nums[i]}，即数组长度扩大1后，考虑是否将nums[i]加入下一规模还是以nums[i]单独开始为最大子数组和。

   最终求解max{f(i)}, i∈[0, n]。

3. Python语言实现

class Solution: 
    def maxSubArray(self, nums: List[int]) -> int:
        max = nums[0]
        for i in range(1, len(nums)):
            if nums[i] + nums[i-1] > nums[i]:
                nums[i] += nums[i-1]
            if nums[i] > max:
                max = nums[i]
        return max

​ 可以看出，动态规划从最小的问题规模开始向上计算，规模扩大之后采取怎样的策略。

三、第64题. 最小路径和

给定一个包含非负整数的 m x n 网格 grid ，请找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。

**说明：**每次只能向下或者向右移动一步。

class Solution:
    def minPathSum(self, grid: List[List[int]]) -> int:
        """
        :type grid: List[List[int]]
        :rtype: int
        """
        m, n = len(grid), len(grid[0])
        for i in range(1, m):
            grid[i][0] = grid[i - 1][0] + grid[i][0]
        for j in range(1, n):
            grid[0][j] = grid[0][j - 1] + grid[0][j]
        for i in range(1, m):
            for j in range(1, n):
                grid[i][j] = grid[i][j] + min(grid[i - 1][j], grid[i][j - 1])
        return grid[m - 1][n - 1]