面试中的动态规划

机器学习面试，被问过最多的数据结构类题目是动态规划（Dynamic Programming，即DP）。所以总结一下剑指offer中常见的几种DP题目，供后续的回顾与学习。

首先，DP题目的几种类型为：递推、背包、最长递增子序列、最长公共子序列。

1、递推

典型题目：剑指offer——09 斐波那契数列

理由：因为斐波那契数列的第 F(n) 项的解，包含了子问题 F(n-1) 项的解，即该问题具有“最优子结构”性质；然后要想计算F(n)的解，必须先计算 F(n-1) 和 F(n-2) 的解，这些子问题中包含大量重复计算的过程，所以具有“重叠子问题”的性质；再者，当前值 F(n) 的状态只它前面两个状态（值）有关，每次迭代过程中，只要保留前两个状态，就可以推导出新状态，满足“无后效性”；所以Fibonacci数列问题属于DP问题。

相关题目：青蛙跳台阶、矩形覆盖问题

2、背包问题

典型题目：0-1背包问题

思想：用一个二维数组 dp[i][j]（含义：在可以任意使用 arr[0...i] 硬币的情况下，组成 j 所需要的最小个数）或者用一维数组 dp[j]（含义：硬币之和为金额 j 的方案总数），不过用一维数组相当于只保存当前行（即i行），而 dp[i][j] 则将历史得到的解都保存了下来，两种类型的数组基本思想是一样的。

二维数组的关键递推：dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i])

一维数组的关键递推：dp[j] = dp[j] + dp[j-w[i]] 

相关题目：最少硬币找零问题，正整数之和为SUM的方案数

3、最长递增子序列

典型题目：剑指offer——31 连续子数组的最大和

思想：把【累积值】与【累计值+当前值】进行比较，将较大值赋给【累积值】；然后将【累积值】与【最大值】进行比较，将较大值赋给【最大值】，即 

        cur = cur+arr[i] > arr[i] ? cur+arr[i]: arr[i] ;    —— ①

        max = max > cur ? max: cur ;                      —— ②

也可以把 ① 进一步化简为： cur = cur > 0 ? cur+arr[i]: arr[i] ;

所以cur保存的是当前累积的较大值，max 中保存的是当前遍历过的最大值，最终 max 即为所求。

4、最长公共子序列

典型题目：求解两个字符创中的最长公共子序列

思想：和前面背包问题实质是一样的，但相比之下：背包问题多了个权重W和价值V，它每次用新数据在其W和V的约束下更新最优解；而寻找最长公共子序列是遇到新数据时加一或不加一来记录最优解，所以该问题是背包问题的简单版。

参考：

https://www.sohu.com/a/153858619_466939     一个入门的漫画讲解

https://blog.csdn.net/na_beginning/article/details/62884939    背包问题详解

https://blog.csdn.net/justdoithai/article/details/51167389    深入理解动态规划DP

https://www.cnblogs.com/hapjin/p/5572483.html   最长公共子序列