算法思想
动态规划
1.动态规划算法介绍
- 动态规划(Dynamic Programming)算法的核心思想是:将大问题划分为小问题进行解决,从而一步步获取最优解的处理算法
- 动态规划算法与分治算法类似,其基本思想也是将待求解问题分解成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解。
- 与分治法不同的是,适合于用动态规划求解的问题,经分解得到子问题往往不是互相独立的。 ( 即下一个子阶段的求解是建立在上一个子阶段的解的基础上,进行进一步的求解 )
- 动态规划可以通过填表的方式来逐步推进,得到最优解
2.面试常考五大动态规划问题
2.1基础题目
2.2背包问题
2.3打家劫舍
2.4股票问题
2.5子序列问题
刷题参照:leetcode好题
3.五大方面剖析动态规划问题
- 确定dp数组(dp table)以及下标的含义
- 确定递推公式
- dp数组如何初始化
- 确定遍历顺序
- 举例推导dp数组
注意:先做一些简单的问题巩固方法论,要先确定递推公式,然后在考虑初始化,因为⼀些情况是递推公式决定了dp数组要如何初始化
4.理解背包问题
4.1二维数组实现背包问题
public static void main(String[] args) {
int w = 3;//物品(行)
int V = 4;//包的体积(列)
int[] weight = {
1,3,4};//物品重量数组
int[] value = {
15,20,30};//物品价值数组
System.out.println(bag(w, V, weight, value));
}
public static int bag(int w,int v,int[] weight,int[] value){
int[][] dp = new int[w][v + 1];//动态规划数组有物品三个,背包的状态5种,即V+1
for(int i = 0;i<dp.length;i++){
//根据表格,填充第一列为0
dp[i][0] = 0;
}
for (int x = 1; x <= v; x++) {
//根据表格,填充第一行为15
dp[0][x] = 15;
}
//使用动态规划
for (int i = 1; i < w; i++) {
//遍历物品,物品一共3个,第一行已经被填充,也就是只剩两个物品填充最大价值
for (int j = 1; j <= v; j++) {
//遍历背包(当前的体积),背包当前体积有01234这5种状态,第一列已经被填充,所以只讨论1234列
if(weight[i]>j){
//如果当前物品的体积大于当前背包的容量
dp[i][j] = dp[i-1][j];//则取上一行最大价值,因为这种情况属于没放东西,所以最大价值参照之前的不变
}else {
//如果当前物品的体积小于等于当前背包的容量
dp[i][j] = Math.max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i]);
//此时要看当前物品不放进去的最大价值高,还是放进去的高
//如果不放进去,就还是dp[i-1][j]
//如果放进去了,则要考虑不算当前物品且背包容量减去当前物品重量的最大价值,加上当前物品的单价
}
}
}
for(int[] row : dp){
//推导dp数组(检查)
System.out.println(Arrays.toString(row));
}
return dp[w-1][v];//填充完表格后,最大数在右下角,因为物品w有123个,而索引是012,则w-1
}
结果:
4.2一维数组实现背包问题
public static int bag2(int w,int v,int[] weight,int[] value){
int[] dp = new int[v+1];//定义一维数组表示背包的容量,背包容量有5种状态,所以是v+1
dp[0] = 0;//背包当前容量为0时,什么都不能放,所以最大价值肯定为0
for (int i = 0; i < w; i++) {
//遍历物品,分别用物品012向下遍历背包(当前的容量)
for (int j = v; j >= weight[i]; j--) {
//倒叙的原因如下,每次遍历要保证背包当前容量能接受(大于等于)当前物品
dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);//直接找最大价值
}
}
for(int i : dp){
//推导dp数组(检查)
System.out.print(i + " ");
}
System.out.println();
return dp[v];
}
结果:
5.完全背包
- 完全背包和01背包问题唯一不同的地方就是,每种物品有无限件。
- 完全背包的物品是可以添加多次的,所以要从小到大去遍历
- 01背包中二维dp数组的两个for遍历的先后顺序可以颠倒,一维dp数组的两个for循环先后顺序一定是先遍历物品,再遍历背包容量。在完全背包中,对于一维dp数组来说,其实两个for循环嵌套顺序同样无所谓
- 先遍历背包再遍历物品:
for(int j = 0; j <= bagWeight; j++) {
// 遍历背包容量
for(int i = 0; i < weight.size(); i++) {
// 遍历物品
if (j - weight[i] >= 0) dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
cout << endl;
}
———————————————————————————————————————————————————
以下是动态规划练习题:
6.斐波那契数
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。
class Solution {
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 < dp.length; i++) {
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[n];
}
}
思路:
- 确定dp数组中的含义:第i个数的斐波那契数值是dp[i]
- 确定递推公式:
dp[i] = dp[i - 1] + dp[i - 2];
即第i个数的斐波那契数,是从它之前的两个和推出来的 - dp数组初始化:题目中给了
dp[0] = 0; dp[1] = 1;
- 确定遍历顺序:dp[i]是依赖 dp[i - 1] 和 dp[i - 2],那么遍历的顺序一定是从前到后遍历的
- 打印推导dp数组:n = 10时
7.爬楼梯
假设你正在爬楼梯。需要 n 阶你才能到达楼顶。每次你可以爬 1 或 2 个台阶。有多少种不同的方法可以爬到楼顶
class Solution {
public int climbStairs(int n) {
if(n < 3)return n;
int[] dp = new int[n + 1];
dp[2] = 2;
dp[1] = 1;
for (int i = 3; i < dp.length; i++) {
dp[i] = dp[i - 1] + dp[i - 2];
System.out.print(dp[i] + " ");
}
System.out.println(