动态规划入门级教程

动态规划入门级教程

学完本文后，你可以解决[509. 斐波那契数 - 力扣（LeetCode）], [70. 爬楼梯 - 力扣（LeetCode）], [746. 使用最小花费爬楼梯 - 力扣（LeetCode）], [62. 不同路径 - 力扣（LeetCode）], [63. 不同路径 II - 力扣（LeetCode）]这些适合初学者的dp问题。

理论基础：

首先要明确为什么存在DP算法？ 我拿斐波那契数列举例， 很多同学认为这个题递归就很轻松地解决了(代码过于简单就不写了)， 但是实际上你计算到40层的深度，你的时间复杂度上界是$2^{40}$, 一般的编译器是无法有这样的深度的。所以我们有了DP算法，DP的核心思想在于利用过去的数据解决现在的问题。回到刚才斐波那契数列，其实我们在向下递归的时候，存在大量的重复计算，如果我们进行相应的剪枝，便可大大提高我们的效率.

for (int i = 0; i <= n; i++)
{
    dp[i] = dp[i-1] + dp[i-2];
}

一个循环内就可以计算结果。

大家可能觉得斐波那契数列这个题不需要DP就很自然的写出来了，其实这这道题很培养我们的DP逻辑。因为任何斐波那契数都只依赖于前一个和前二个数字，第3个数字等与第1个数字+第二个数字，以此类推，我们就完成了DP问题中的重要一步，递推公式。

DP[i]代表着？？

我们接下来谈第二个重要事项，很多题解都写的含混不清，说只要你会递推公式即可解决DP问题，然后你跟着抄题解莫名其妙也过了，但是下次来了换一下条件又过不了了。这是因为你没有搞清楚DP最根本的症结，也就是DP[i]的含义。我们在斐波那契数列都知道i不就是第i个斐波那契数吗，这有什么含义，但是假如我换道题，[70. 爬楼梯 - 力扣（LeetCode）]， 这里的dp[i]你能讲出来吗？很多同学就懵了到这。 这里的i代表着到i层楼梯有几种不同的方法，我们还是举例子，一次可以爬1或者2阶，初始位置是0，dp[1]是不是就是到1层有几种方法啊？ 很明显只有一种。 那么dp[2]呢？ 一种是一层一层爬，一种是直接爬两层， 所以是2。 问题来了， dp[3]是多少？ 我们这样想，为了到达dp[3]，我们必须到达dp[2]或者dp[1]， dp[2]我们就爬一层， dp[1]就爬两层，这就是上文说的利用过去的数据解决现在的问题。所以DP[3]是dp[2] + dp[1]。

只有明确了dp的含义，你才能开始动手写出代码逻辑，所以我认为这才是dp问题中最重要的一步。给出上文题目答案。

 vector<int> dp;
    dp.resize(n + 1);
    if (n == 1)
        return 1;
    if (n == 2)
        return 2;
    dp[1] = 1;
    dp[2] = 2;
    for (int i = 3; i <= n; i++)
    {
        dp[i] = dp[i - 1] + dp[i -2];
    }

    return dp[n];

$$

$$

从哪里开始？？？

有了上面两个准备工作，我下面要谈的是下一步，也就是我反复强调的，过去的数据解决现在的问题。那么问题来了，过去的数据在哪里啊？？？在斐波那契数我们知道过去的dp[0] dp[1] 都是1， 爬楼梯我们知道了dp[1]和dp[2]。 那么问题又来了， 所有的DP问题，过去的数都是一致的吗？？？答案显然否定。来看这道题：[746. 使用最小花费爬楼梯 - 力扣（LeetCode）]， 好多同学又懵了，怎么还有花费啊？？？ 别着急，先思考dp的含义。在这里dp的意义是啥？？？很多题解又是直接给你甩个递推公式，然后稀里糊涂就AC了。抄着抄着自己都懵了。 这里我们看，dp[i]的意义是到达i的最小费用，题目给了一个cost数组，因为要求我们必须到达楼顶，也就是dp数组的最后一个了。 我们看题目给的条件，可以从0或者1开始，那就意味着我们从这花费是0，故dp[0] 和dp[1]都是0， 因为没有跳呢还。那么dp[2]呢？是不是还是和上一题一样，要不从0直接爬两层，加上0层的费用， 要不从1爬一层， 加上1层的费用， 然后我们选取最小值保存。 dp[3]？？？？一个道理大家自己思考下。
$$dp[i]=min(dp[i-1]+cost[i],dp[i-2]+cost[i-2])$$
有了递推公式，我们就可以开始写代码了，再次提问， 从哪里开始？也就是过去的数据在哪里？题目给了cost数组一定是大于2的，所以我们从2开始循环即可。

class Solution {
public:
    int minCostClimbingStairs(vector<int>& cost) {
        vector<int> dp;
        dp.resize(cost.size() + 1);
        
        dp[0] = 0;
        dp[1] = 0;
        for(int i = 2; i <= cost.size(); i++)
        {
            dp[i] = min(dp[i -1] + cost[i -1], dp[i -2] + cost[i - 2]);
        }

        return dp.back();
    }
};

变体：

[62. 不同路径 - 力扣（LeetCode）]， 这道题好多同学又懵了，这路径是怎么算数字的啊， 还是个二维数组？？？别急，按照咱的方法一步步来。首先明确dp是啥意思？？？在这道题目中，dp就是到达[i][j的最小不同路径和。比如一个2*2的数组，我们想到达坐标 1,1有几种路径，就是dp的含义。 啥意思呢，我举个实际的例子。

你想到达1,1， 题目说了只能向右或者向下走，那么我们是不是得先到1,0或者0,1才能到达1,1啊。那么我们只要把这两种路径加起来就是1,1的值了对吧。那么我们再来考虑，为了到达1,0, 是不是只能从0,0往下走一步，一种路径啊，同样0,1也是一种。因此1,1就是两种。那么我们把二维数组扩大到n*n也是一样的道理。

那我们从哪里开始啊？就是数组的初始化应该怎么办？？ 不管到达哪个点，我们是不是只能从最左边的列或者最上面的行来啊，所以我们先把(i, 0)和(0, j)全都初始化成1， 有人问为啥不是0啊，你再想想我们DP的意义就明白了。
$$dp[i][j]=dp[i-1][j]+dp[i][j-1];$$
​ 这道题要求我们直接到右下角的顶点，所以就直接取二维数组的末位置就可以了。

class Solution {
public:
    int uniquePaths(int m, int n) {
        vector<vector<int>> dp(m, vector<int>(n, 0));
        
        if (m == 1 || n == 1)
            return 1;
        //确定DP的含义 到达[i][j] 位置有多少种路径
        for (int i = 0; i < n; i++)
        {
            dp[0][i] = 1;
        }
        for (int j = 0; j < m; j++)
        {
            dp[j][0] = 1;
        }

        for (int i = 1; i < m; i++)
        {
            for (int j = 1; j < n; j++)
            {
                dp[i][j] = dp[i-1][j] + dp[i][j -1];
            }
        }

        return dp[m - 1][n -1];
    }
};

总结：

DP的核心在于三大块： dp数组含义，递推公式，初始条件。 我们只要把握住，用过去的数据解决现在的问题，就可以拿捏住主干思想。当然以后大家还会碰到更复杂的DP，可能有人见过一些题目，是反向遍历的，为啥可以这么做也蒙了，其实这和我们的递推公式有关。当然这几个初级的题目，完全不需要考虑那么复杂。有的读者可能看到了还有用滚动数组解决的，首先你省的那点内存计算机根本看不上，只能凸显你的代码很秀，如果你真的到那一步了，也不需要看此文了。关于那种进阶的dp问题，我以后还会再深入讲一下。感谢观看。