一. 基本知识
- 动态规划问题的一般形式就是求最值;求动态规划的核心问题是穷举。
- 动态规划三要素:重叠子问题、最优子结构、状态转移方程(最难的)。
- 重叠子问题可以通过备忘录或者DP table 来优化穷举,避免不必要的计算。
- 最优子结构通过子问题的最值得到原问题的最值。
- 动态规划的一般流程就是三步:暴力的递归解法 -> 带备忘录的递归解法->迭代的动态规划解法
二. 辅助思考状态转移方程的思维框架
明确[状态] -> 定义dp数组/函数的含义 -> 明确[选择] -> 明确 base case
三. 以凑零钱为例子
给你 k 种面值的硬币,面值分别为 c1, c2 ... ck ,每种硬币的数量无限,再给一个总金额 amount ,
问你最少需要几枚硬币凑出这个金额,如果不可能凑出,算法返回 -1。
- 暴力递归
- 明确[状态] :就是原问题和子问题中变化的变量。由于硬币数量无限,所以唯一的状态就是目标金额amount.;
- 确定dp函数的定义:当前的目标金额是n,至少需要dp(n)个硬币凑出该金额;
- 确定「选择」并择优:也就是对于每个状态,可以做出什么选择改变当前状态。具体到这个问题,⽆论当的⽬标⾦额是多少,选择就是从⾯额列表coins中选择⼀个硬币,然后⽬标⾦额就会减少;
- 最后明确 base case,显然⽬标⾦额为 0 时,所需硬币数量为 0;当⽬标⾦额⼩于 0 时,⽆解,返回 -1:
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
int dp(vector<int>& coins, int n) {
if (n == 0)
return 0;
if (n < 0)
return -1;
int res = INT_MAX;
for (int coin : coins) {
int temp = dp(coins, n - coin);
if (temp == -1)
continue;
res = min(res, 1 + temp);
}
return res == INT_MAX ? -1 : res;
}
int coinChange(vector<int>& coins, int amount) {
return dp(coins, amount);
}
int main()
{
vector<int> coins = { 1,2,5 };
int amount = 11;
cout << coinChange(coins, amount) << endl;
system("pause");
return 0;
}
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/6b8895d44745735f2cca4fe06341da10.png)
- 以上可以 得到状态转移方程:
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/98f96d3718e74b94fdb982cd7e770d39.png)
- 带备忘录的递归
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
int dp(vector<int>& coins, int n, vector<int>& count) {
if (n == 0)
return 0;
if (n < 0)
return -1;
if (count[n - 1] != 0)
return count[n - 1];
int res = INT_MAX;
for (int coin : coins) {
int temp = dp(coins, n - coin, count);
if (temp >= 0 && temp < res)
res = 1 + temp;
}
count[n - 1] = (res == INT_MAX) ? -1 : res;
return count[n - 1];
}
int coinChange(vector<int>& coins, int amount) {
if (amount < 1)
return 0;
vector<int> count(amount,0);
return dp(coins, amount, count);
}
int main()
{
vector<int> coins = { 1,2,5 };
int amount = 11;
cout << coinChange(coins, amount) << endl;
system("pause");
return 0;
}
- dp数组的迭代解法
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
int coinChange(vector<int>& coins, int amount) {
vector<int> dp(amount + 1, amount + 1);
dp[0] = 0;
for (int i = 0; i < dp.size(); ++i) {
for (int coin : coins) {
if (i - coin < 0)
continue;
dp[i] = min(dp[i], 1 + dp[i - coin]);
}
}
return (dp[amount] == amount + 1) ? -1 : dp[amount];
}
int main()
{
vector<int> coins = { 1,2,5 };
int amount = 11;
cout << coinChange(coins, amount) << endl;
system("pause");
return 0;
}