算法-动态规划

动态规划:动态规划算法通常用于求解具有某种最优性质的问题。如果某一问题有很多重叠子问题,使用动态规划是最有效的.
斐波那契数,通常用F(n)表示,形成的序列成为斐波那契数列.数列由0和1开始,后面的每一项数字都是前面两项数字的和.即:
F(0)=1,f(1)=1
F(n)=F(n-1)+F(n-2),n>1
给出n,计算F(n).

1.递归方式

一个过程或函数在其定义或说明中有直接或间接调用自身的一种方法，它通常把一个大型复杂的问题层层转化为一个与原问题相似的规模较小的问题来求解，递归策略只需少量的程序就可描述出解题过程所需要的多次重复计算，大大地减少了程序的代码量。

public int fib(int n) {
	//1.递归方式
	if (n<2) {
		return n;
	}
	return fib(n-1)+fib(n-2);
}

• 时间复杂度:O(2^n)
• 空间复杂度:O(n)

2.动态规划

解题步骤:
2.1 确定dp数组及下标:dp[i]即第i个数的斐波那契数值是dp[i]
2.2 确定递推公式:dp[i]=dp[i-1]+dp[i-2]
2.3 dp数组的初始化:dp[0]=0,dp[1]=1
2.4 确定遍历的顺序:从前到后
2.5 举例推导dp数组:0,1,1,2,3,5,8,13,21,34,55
代码如下:

public int fib(int n) {
	if (n<2) {
		return n;
	}
	int[] dp=new int[n+1];
	dp[0]=0;
	dp[1]=1;
	for(int i=2;i<=n;i++) {
		dp[i]=dp[i-1]+dp[i-2];
	}
	System.out.println("dp数组:"+Arrays.toString(dp));
	return dp[n];
}

• 时间复杂度:O(n)
• 空间复杂度:O(n)

3.动态规划-优化

由上述可以发现,其实只需要维护两个数值即可,不需要声明一个数组来保存所有数值.

public int fib(int n) {
	if (n<2) {
		return n;
	}
	int dp0=0;
	int dp1=1;
	int sum=0;
	for(int i=2;i<=n;i++) {
		sum=dp0+dp1;
		dp0=dp1;
		dp1=sum;
	}
	return sum;
}

• 时间复杂度:O(n)
• 空间复杂度:O(1)
  到这里就结束啦!
  (小白入门,如有错误,欢迎指正~~~)