动态规划之四键键盘 labuladong

先看题目


如何在 N 次敲击按钮后得到最多的 A？我们穷举呗，每次有对于每次按 键，我们可以穷举四种可能，很明显就是⼀个动态规划问题。

思路一

这种思路会很容易理解，但是效率并不⾼，我们直接⾛流程：对于动态规划 问题，⾸先要明⽩有哪些「状态」，有哪些「选择」。 具体到这个问题，对于每次敲击按键，有哪些「选择」是很明显的：4 种， 就是题⽬中提到的四个按键，分别是 A 、 C-A 、 C-C 、 C-V （ Ctrl 简 写为 C ）。

接下来，思考⼀下对于这个问题有哪些「状态」？或者换句话说，我们需要 知道什么信息，才能将原问题分解为规模更⼩的⼦问题？ 你看我这样定义三个状态⾏不⾏：第⼀个状态是剩余的按键次数，⽤ n 表 ⽰；第⼆个状态是当前屏幕上字符 A 的数量，⽤ a_num 表⽰；第三个状态 是剪切板中字符 A 的数量，⽤ copy 表⽰。

如此定义「状态」，就可以知道 base case：当剩余次数 n 为 0 时， a_num 就是我们想要的答案。 结合刚才说的 4 种「选择」，我们可以把这⼏种选择通过状态转移表⽰出 来

我们尝试分析⼀下这个算法的时间复杂度，就会发现不容易分析。我们可以 把这个 dp 函数写成 dp 数组： dp[n][a_num][copy] # 状态的总数（时空复杂度）就是这个三维数组的体积 我们知道变量 n 最多为 N ，但是 a_num 和 copy 最多为多少我们很难 计算，复杂度起码也有 O(N^3) 把。所以这个算法并不好，复杂度太⾼，且 已经⽆法优化了。 这也就说明，我们这样定义「状态」是不太优秀的，下⾯我们换⼀种定义 dp 的思路。

第二种思路

这种思路稍微有点复杂，但是效率⾼。继续⾛流程，「选择」还是那 4 个， 但是这次我们只定义⼀个「状态」，也就是剩余的敲击次数 n 。 这个算法基于这样⼀个事实，最优按键序列⼀定只有两种情况：

要么⼀直按 A ：A,A,…A（当 N ⽐较⼩时）。 要么是这么⼀个形式：A,A,…C-A,C-C,C-V,C-V,…C-V（当 N ⽐较⼤时）。

因为字符数量少（N ⽐较⼩）时， C-A C-C C-V 这⼀套操作的代价相对⽐较 ⾼，可能不如⼀个个按 A ；⽽当 N ⽐较⼤时，后期 C-V 的收获肯定很 ⼤。这种情况下整个操作序列⼤致是：开头连按⼏个 A ，然后 C-A C-C 组合再接若⼲ C-V ，然后再 C-A C-C 接着若⼲ C-V ，循环下去。 换句话说，最后⼀次按键要么是 A 要么是 C-V 。明确了这⼀点，可以通 过这两种情况来设计算法：

int[] dp = new int[N + 1]; 
// 定义：dp[i] 表⽰ i 次操作后最多能显⽰多少个 A 
for (int i = 0; i <= N; i++) 
	dp[i] = max(
		这次按 A 键， 
		这次按 C-V )
	

「按 A 键」这种情况，就是状态 i - 1 的屏幕上新增了⼀个 A ⽽ 已，很容易得到结果：

// 按 A 键，就⽐上次多⼀个 A ⽽已 
dp[i] = dp[i - 1] + 1;

public int maxA(int N) { 
	int[] dp = new int[N + 1]; 
	dp[0] = 0; 
	for (int i = 1; i <= N; i++) { 
	// 按 A 键 
		dp[i] = dp[i - 1] + 1; 
		for (int j = 2; j < i; j++) { 
	// 全选 & 复制 dp[j-2]，连续粘贴 i - j 次 
	// 屏幕上共 dp[j - 2] * (i - j + 1) 个 A 
			dp[i] = Math.max(dp[i], dp[j - 2] * (i - j + 1)); 
			} 
		}// N 次按键之后最多有⼏个 A？ 
	return dp[N]; 
}

这样，此算法就完成了，时间复杂度 O(N^2)，空间复杂度 O(N)，这种解法 应该是⽐较⾼效的了。

最后总结

动态规划难就难在寻找状态转移，不同的定义可以产⽣不同的状态转移逻辑，虽然最后都能得到正确的结果，但是效率可能有巨⼤的差异。 回顾第⼀种解法，重叠⼦问题已经消除了，但是效率还是低，到底低在哪⾥ 呢？抽象出递归框架： def dp(n, a_num, copy): dp(n - 1, a_num + 1, copy), # A dp(n - 1, a_num + copy, copy), # C-V dp(n - 2, a_num, a_num) # C-A C-C 看这个穷举逻辑，是有可能出现这样的操作序列 C-A C-C，C-A C-C… 或者 C-V,C-V,… 。然这种操作序列的结果不是最优的，但是我们并没有想办法 规避这些情况的发⽣，从⽽增加了很多没必要的⼦问题计算。 143
动态规划之四键键盘 回顾第⼆种解法，我们稍加思考就能想到，最优的序列应该是这种形 式： A,A…C-A,C-C,C-V,C-V…C-A,C-C,C-V… 。 根据这个事实，我们重新定义了状态，重新寻找了状态转移，从逻辑上减少 了⽆效的⼦问题个数，从⽽提⾼了算法的效率。