一、什么是动态规划?
动态规划其实是运筹学的一种最优化方法,只不过在计算机问题上应用比较多,比如说让你求最长递增子序列呀,最小编辑距离呀等等。
既然是要求最值,核心问题是什么呢?求解动态规划的核心问题是穷举。因为要求最值,肯定要把所有可行的答案穷举出来,然后在其中找最值呗。
二、动态规划有什么技巧?
动态规划就是穷举就完事了?那肯定不是。动态规划的问题有些特别,他们会出现重叠子问题,如果暴力穷举,效率会极其低下!所以需要「备忘录」来优化穷举过程,即计算过的数据不需要再次计算。
三、举例
leetcode题509、斐波那契数列 和题322、零钱兑换 都是动态规划的经典题型
1> 斐波那契数 (通常用 F(n) 表示)形成的序列称为 斐波那契数列 。该数列由 0 和 1 开始,后面的每一项数字都是前面两项数字的和。也就是:
F(0) = 0,F(1) = 1
F(n) = F(n - 1) + F(n - 2),其中 n > 1
给定 n ,请计算 F(n) 。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/fibonacci-number
1、思路一:暴力解题:题中已经给予了方程式,只需要将方程式带入代码中即可。
@Test public void testfib(){ int n= 30; System.out.println(fib(n)); } public static int fib(int n) { if (n<=1) { return n; }else { return fib(n-1)+fib(n-2); } }
这样写代码虽然简洁易懂,但是十分低效,低效在哪里?求fib(30)需要求fib(29),fib(28),求fib(29),需要fib(28),fib(27),由此递推,一直求到f(1)f(0),为已知才结束。这样递归树的时间复杂度为O(2^n),这就是在前面提到的重叠子问题。
2、思路二:为了拒绝重复查询相同的数据如fib(28),我们可以做一个字典,将n对应的fib(n),存起来,计算时每个节点只计算一次。那同样的想法,我们使用递推的方式向上进行计算从fib(0)一直计算到fib(29)也可以算出fib(30)的值,这样时间复杂度为O(n)。
public static int fib3(int n) { if (n == 0) return 0; int[] dp = new int[n + 1]; dp[0] = 0; dp[1] = 1;//字典存值 for (int i = 2; i <= n; i++) { dp[i] = dp[i - 1] + dp[i - 2]; } return dp[n]; } public static int fib(int n) { if (n<=1){ return n; } //计算f(n) 需要f(n-1) 和f(n-2) 设定f(n-1)为p f(n-2)为q f(n)为r 因为从2开始循环所以r=2 int p=1,q=0,r=1; for (int i = 2; i < n ; ++i) { q=p; p=r; r=p+q; } return r; }
3、思路三:使用高数和线代的思想,简化方程式(需要一定的数学基础)
public static int fib(int n) {
double sqrt5 = Math.sqrt(5);
double fibN = Math.pow((1 + sqrt5) / 2, n) - Math.pow((1 - sqrt5) / 2, n);
return (int) Math.round(fibN / sqrt5);
}
这样求得的结果时间复杂度就是O(1)了。
2> 零钱兑换
题目:给你一个整数数组 coins ,表示不同面额的硬币;以及一个整数 amount ,表示总金额。
计算并返回可以凑成总金额所需的 最少的硬币个数 。如果没有任何一种硬币组合能组成总金额,返回 -1 。
你可以认为每种硬币的数量是无限的。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/coin-change
有了上一题的经验,我们理解到如果数组coins为{1,2,5},目标金额为11,设定dp[amount]为金额为amount的情况下最少需要的硬币数量,现在我们需要计算dp[11],那我们就需要计算11的子集,那么11的子集有哪些?dp[10],dp[9],dp[6],相当于消耗一次硬币的情况。我们只需要计算出min[dp[10],dp[9],dp[6]]+1自然就是dp[11]的结果。又由上一题的经验,我们可以自下而上的去获取答案,从而避免重复计算。由此代码如下:
public int coinChange(int[] coins, int amount) {
//先判断金额为异常的情况
if (amount==0){
return 0;
}else if(amount<0) {
return -1;
}
//设定一个dp数组,记录需要记录完成金额目标的最小硬币数量 数组长度应该是金额+1
int[] dp = new int[amount+1];
Arrays.fill(dp,amount+1);//我们需要求目标金额需要硬币的最小值,所以给定一个默认最大值
dp[0]=0;//金额为0,返回0
//循环金额目标,从1开始计算到amount的所需硬币最小值
for (int i = 0; i < amount+1; i++) {
for (int coin:coins){
//目标金额大于等于硬币面额的情况下才有计算价值
if (i>=coin){
//循环coins的面值,进行获取子集的最小值
dp[i]= Math.min(dp[i],dp[i-coin]+1);
}
}
}
//当dp[amount]<amount时,有解返回答案,无解返回-1
return dp[amount]>amount? -1:dp[amount];
}
由上面2个题目,我们知道,动归题目的思路,1、找到规律,既找到所求目标和其子集的关系
2、通过dp自下而上的递归或者通过字典的方式 避免重复查找子集提高效率。
这也是我们做动归的核心思想,先穷举,再优化。