动态规划是比较难掌握的一种算法,在学校就怕它,每次刷题都躲着它,工作多年,做的题多了,和人交流的多了,发现也没有那么难,掌握好技巧即可。
动态规划(英语:Dynamic programming,简称 DP),是一种在数学、管理科学、计算机科学、经济学和生物信息学中使用的,通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划常常适用于有重叠子问题和最优子结构性质的问题。
dynamic programming is a method for solving a complex problem by breaking it down into a collection of simpler subproblems.
以上定义来自维基百科,看定义感觉还是有点抽象。简单来说,动态规划其实就是,给定一个问题,我们把它拆成一个个子问题,直到子问题可以直接解决。然后呢,把子问题答案保存起来,以减少重复计算。再根据子问题答案反推,得出原问题解的一种方法。
一般这些子问题很相似,可以通过函数关系式递推出来。然后呢,动态规划就致力于解决每个子问题一次,减少重复计算,比如斐波那契数列就可以看做入门级的经典动态规划问题。
动态规划的很多题都可以用回溯来解决,这里先讲动规
回溯解题:
先确定终止条件
动规解题技巧要领:死记硬背下来
1.dp数组以及下际的含义
2.递推公式
3.dp数组如何初始化
4.遍历顺序
5.打印dp数组
-----------------------------------------------------------------------------------
举例:题目:
数字 n
代表生成括号的对数,请你设计一个函数,用于能够生成所有可能的并且 有效的 括号组合。
示例 1:
输入:n = 3 输出:["((()))","(()())","(())()","()(())","()()()"]
示例 2:
输入:n = 1 输出:["()"]
提示:
1 <= n <= 8
解题:
// 方法二:回溯
public List<String> generateParenthesis(int n) {
List<String> ans = new ArrayList<String>();
backtrack(ans, new StringBuilder(), 0, 0, n);
return ans;
}
/**
* @Authon: 费元星
* @param ans 结果
* @param cur 当前字符串
* @param open 左括号数量
* @param close 右括号数量
* @param max 最大数量
*/
public void backtrack(List<String> ans, StringBuilder cur, int open, int close, int max) {
if (cur.length() == max * 2) {
ans.add(cur.toString());
return;
}
if (open < max) {
cur.append('(');
backtrack(ans, cur, open + 1, close, max);
cur.deleteCharAt(cur.length() - 1);
}
if (close < open) {
cur.append(')');
backtrack(ans, cur, open, close + 1, max);
cur.deleteCharAt(cur.length() - 1);
}
}
public static void main(String[] args) {
Solution solution = new Solution();
System.out.println(solution.generateParenthesis(3));
}
思路如下:
1.( (( ((( ) )) )))
2.回退一个左括号 (() 加完右括号后,(这里需要一个字符串回退【关键点】)再依次加左括号