对动态规划,做个总结,我们从一个例子开始:
有一座高度是10级台阶的楼梯,从下往上走,每跨一步只能向上1级或者2级台阶。要求用程序来求出一共有多少种走法。
这里就要用到了动态规划的思想了:动态规划(Dynamic Programming)是一种分阶段求解决策问题的数学思想。总结来说就是复杂问题细化成为一个阶段性的问题,然后推导出整体问题的解决方法。
我们用动态规划问题来看看上述的问题吧:
问题分析:
假如只差一步就能走完整个楼梯,要分为几种情况?因为每一步能走一级或者两级台阶,所以有如下两种情况:
1.最后一步走2级台阶,也就是从8级到10级
2.最后一步走1级台阶,也就是从9级到10级
那么在上面的基础上假设1级到8级有X种走法,1级到9级有Y种走法,那么1级到10级有几种走法?
实际上,10级台阶的所有走法可以根据最后一步的不同分为两个部分。
第一部分:最后一步从9级到10级,这种走法的数量和1级到9级的数量一致,也就是Y种。
第二部分:最后一步从8级到10级,这种走法的数量和1级到8级的数量一致,也就是X种。
总的走法就是两种走法的总和,也就是SUM=X+Y种。
我们把10级台阶的走法表达为F(10)此时:
F(10) = F(9)+F(8)
F(9) = F(8)+F(7)
F(8) = F(7)+F(6)
…
F(3) = F(2)+F(1)
这里我们把一个复杂的问题分阶段分步的简化,简化成简单的问题,这就是动态规划的思想。
当只有1级台阶和2级台阶时走法很明显,即F(1)=1、F(2)=2,可以归纳出如下公式:
F(n) = F(n-1) + F(n-2)(n >= 3);
F(2) = 2;
F(1) = 1;
动态规划中包含三个重要的概念,最优子结构、边界、状态转移公式。
上面我们分析出F(10)=F(9)+F(8), 其中,F(9)和F(8)是F(10)的最优子结构。
当只有1级和2级台阶时,我们可以直接得出结果,而无需再次简化。我们称F(2)和F(1)是问题的"边界",如果一个问题没有边界,那么这个问题就没有有限解。
F(n) = F(n-1) + F(n-2)是阶段之间的状态转移公式,它是动态规划的核心,决定了问题的每个阶段和下阶段之间的关系。
至此,动态规划的“问题建模就完成了”。
解题代码:
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
public class PaLouTi {
public static void main(String[] args) throws IOException {
BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
int i = Integer.parseInt(br.readLine());
System.out.println(pailou(i));
}
private static int pailou(int i) {
int f[]=new int[i+1];
f[0]=1;
f[1]=2;
for (int j = 2; j <i ; j++) {
f[j]=f[j-1]+f[j-2]; //动态规划核心
}
return f[i-1];
}
}