[算法]动态规范(dp)

• 类似题型：
  • 198. 打家劫舍
  • 213. 打家劫舍 II

动态规范总体思想

1. 基于 斐波那契数列

$$fib(n)=\{\begin{array}{ll}1& n=1或n=2\\ fib(n-1)+fib(n-2)& o/w\end{array}$$

2. 动态规划解决来递归的重复子问题，递归空间时间复杂度 $O(n^2)$ ,动态规划 $O(n)$
   • 比如说 下面的 例题二 中通过数组保存过程状态，需要用的时候直接获取到，不需要在算一遍

做题思路

• 选择第 i 个数字
• 不选 第 i 个数字
• 找出口

例题一

在数组中找出数字和最大的数，其中两个数不能是相邻的两个数

示例

arr = [1,2,4,1,7,8,3]
返回最大数为 15 [1,4,8]

方法一 动态规划

解题思路

• 如图 思路分析

1. 先为数组添加下标 方便理解
2. 根据条件可知 只能找不相邻的两个数
3. 假设 opt[i] 表示到下标为 i 的最佳方案
4. 选择下标为 i 的方案 opt[i-2] + arr[i]
5. 不选择下标为 i 的方案 opt[i]
6. 在比较 这两个的大小
7. 找出口
   1.当数组 arr 只有一个数字的时候 最大数 opt[0] = arr[0]
   2.当数组 arr 有两个数字的时候 最大数 opt[1] = max(arr[0],arr[1])

• 根据思路可推到出公式

$$opt(0)=\{\begin{array}{ll}arr[0]& i=0\end{array}$$

$$opt(i)=max=\{\begin{array}{ll}opt[i-2]+arr[i]& 选择\\ opt[i-1]& 不选\end{array}$$

动态规划写法

def dp_opt(arr):
    opt = np.zeros(len(arr))
    opt[0] = arr[0]
    opt[1] = max(arr[0],arr[1])
    for i in range(2,len(arr)):
        a = opt[i-2] + arr[i]#选择arr[i]
        b = opt[i-1]
        opt[i] = max(a,b)
    return opt[len(arr)-1]

递归写法

• 需要把 arr 传递进去

def rec_opt(arr,i):
    # 找出口
    if i ==0:
        return arr[0]
    elif i==1:
        return max(arr[0],arr[1])
    else:
        a = rec_opt(arr,i-2) + arr[i] #选择arr[i]
        b = rec_opt(arr,i-1)# 不选arr[i]
        return max(a,b)

例题二

在数组中找出和为s的数，有则返回 True，没有则返回 False

示例

arr = [3,34,4,12,5,2]
k = 9
结果 为True (4+5=9)

方法一 动态规划

解题思路

• 如图 思路分析

1. 先为数组添加下标 方便理解
2. 根据条件可知 需要找出和为 s 的数
3. 我们假设 subset(i,s) i 表示数组下标 s 表示需要求的数
4. opt[i] 表示到下标为 i 的最佳方案
5. 选择下标为 i 的方案 那么剩下的数组需要 subset(arr[i-1],s-arr[i])
6. 不选择下标为 i 的方案 那么剩下的数组需要 subset[i-1] + arr[i]
7. 在比较 这两个的大小
8. 找出口
   1.当 s = 0 表示 i 之前的数字加起来已经等于 s 了 则直接返回 True
   2.当 i = 0 的时候，表示 arr[0] == s 才能返回为 True
   3.当左边的数字比右边的 s 还有大，则(s-arr[i]<0) ,所以只能选择第二种情况，subset[i-1] + arr[i]

• 根据思路可推到出公式

$$subset(i,s)=\{\begin{array}{ll}returnTrue& s==0\\ arr[0]==s& i==0\\ subset(i-1,s)& arr[i]>s\\ subset(i-1,s-arr[i])& arr[i]<s且选择i\\ subset(i-1,s)& arr[i]<s不选择i\end{array}$$

动态规划写法

• 需要使用二维数组来保存中间所有的动态过程
• 通常使用二维数组 ，都会把二维数组的下标分别加 1
• 返回 二维数组的最后一个数组

import numpy as np
def dp_subset(arr,S):
    subset = np.zeros((len(arr),S+1),dtype = bool)
    subset[:,0] = True
    subset[0,:] = False
    subset[0,arr[0]] = True
    for i in range(1,len(arr)):
        for s in range(1,S+1):
            if arr[i]>s:
                subset[i,s] = subset[i-1,s]
            else:
                a = subset[i-1,s-arr[i]] #选择arr[i]
                b = subset[i-1,s] # 不选arr[i]
                subset[i,s] = a or b
    r ,c = subset.shape
    return subset[r-1,c-1]

递归写法

• 需要把 arr 传递进去

arr = [3,34,4,12,5,2]
# 递归写法
def rec_subset(arr,i,s):
    # 找出口
    if s ==0:
        return True
    if i ==0:
        return arr[0]==s
    if arr[i]>s:
        return rec_subset(arr,i-1,s)
    else:
        a = rec_subset(arr,i-1,s-arr[i]) #选择arr[i]
        b = rec_subset(arr,i-1,s) # 不选arr[i]
        return a or b

参考视频

• 动态规划 (第1讲)
• 动态规划 (第2讲)