为什么说前人栽树后人乘凉?
实际上这些准备好的模板,要是去理解的话确实挺难的,需要会动态规划的状态压缩等等,作为初学者如果实在看不懂推导,完全没必要一直纠结在这上面。。。
但实际上学会用好模板,那就需要掌握一项技能–分辨对应的问题,比如迅速确定是完全背包问题,而不是01背包问题,再迅速确定是多重背包问题等等,根据这些问题再确定用相应的模板。
在使用模板的过程中,你唯一需要确定的就是,dp关系的动态转移方程。
所以不要再纠结了,这就和你套用数学物理公式差不多,还是需要学会运用,除非有哪个地方需要用到推理的思维。
完全背包问题模板
完全背包问题的识别方法:
当出现需要物体的属性来拼凑成想要的数,并且这些物体的数量是无限制的,那么基本是就是完全背包问题了。
完全背包问题的模板:
for 物体属性 in 物体种类: for i=物体属性, i<=目标金额,i++: dp[i] = dp[...]
看完这个模板,基本上需要自己想自己填入的信息,就只有动态转移方程了。
下面以一个例题作示范:
题目:
我这边直接给出代码,大家细细品味:
class Solution{
public:
//这是一个完全背包问题的变式,可用的硬币数由于是无限,关于dp关系的建立,
//完全背包问题dp[i]表示凑出该面值最少用到的硬币数
//dp关系:dp[i] = min(dp[i-coin[j]]+1,dp[i])
//关于base case:基本情况应视情况而定,比如该题就是dp[0] = 0
int coinChange(vector<int>&coins,int amount){
vector<int>dp(amount+1,INT_MAX/2);
dp[0] = 0;//金额0的最优解为0
//变量i从1循环到amount,依次计算金额从1到amount的最优解。
for(int coin:coins)
for(int i=coin;i<=amount;i++){
dp[i] = min(dp[i],dp[i-coin]+1);
}
return dp[amount]==INT_MAX/2?-1:dp[amount];
}
};
大家熟悉模板后可以继续来练练此题:又一个完全背包的变式->零钱兑换II
多重背包问题模板
关于多重背包问题,实际上,就是在完全背包的基础上,我们添加了,物体的使用限制,比如上述零钱兑换的过程,我们加入了每个面值的零钱能够使用多少次,它就变成了多重背包问题。
关于模板,多重背包问题的模板需要在完全背包问题两层循环的基础上,在其中间加入一层循环用于表示次数,并且最后一层循环需要反过来遍历。
for 物体属性 in 物体种类: for ... in range(0,times): for i=目标金额, i>=物体属性,i--: dp[i] = dp[...]
我这边用的python代码作的伪代码,range(0,times)表示循环times次。
对应例题:(正是零钱兑换的多重背包翻版)
dp代码
//只写了dp递推这部分代码,方便大家理解模板的运用
vector<int >dp(m+1,INT_MAX/2);
//base case:
dp[0] = 0;
for(int i=0;i<n;i++){
for(int j=0;j<c[i];j++){
for(int t = m;t>=coins[i];t--){
dp[t] = min(dp[t],dp[t-coins[i]]+1);
}
}
}
int ans = dp[m]==INT_MAX/2?0:dp[m];
if(ans==0)
cout<<"><";
else{
cout<<ans;
}
最后提醒大家一句
模板虽是模板,但是若能够理解其中的推理过程(本人暂时无法理解),那么以后再碰到动态规划的题目,状态压缩的降维打击将可以蔑视一切。
当然有时间,去多多了解各种数据结构的运用以及对递归的运用,这对后续的算法学习尤为重要!!