算法题——动态规划问题

• 常用的数据结构：数组、链表、栈、队列、哈希表、树、图等的基本概念和实现；

• 常用的算法：DFS / BFS、最短路径算法（Dijkstra）、贪心算法、动态规划、蓄水池算法、Manacher 算法、字符串匹配算法等；

动态规划算法

• 动态规划（Dynamic programming，简称DP），核心思想是把原问题分解成子问题进行求解。

  与分治法不同，分治法通常利用递归求解，将分解后的子问题看作独立的，通常会反复求解公共子问题。
  动态规划通常利用迭代法自底向上求解，或者有记忆的递归法。分解后的子问题认为有重叠部分，将结果保存起来，每个子问题只求解一次。
  递归：递归常被用来描述以自相似方法重复事物的过程，在数学和计算机科学中，指的是在函数定义中使用函数自身的方法。
  迭代：重复反馈过程的活动，每一次迭代的结果会作为下一次迭代的初始值。

• 适用场景：动态规划方法通常用来求解最优化问题。

• 使用动态规划的问题应该具备：最优子结构（原问题的最优解包含子问题的最优解，先求得子问题的最优解然后求原问题最优解）；子问题重叠（子问题再分解成子问题，子问题之间存在重叠的情况）

• 动态规划问题自底向上求解；贪心策略是先选择当时（局部）最好的选择

• 举例：斐波那契数列、矩阵链乘法（代价最小的组合方法）、最大公共子序列LCS、背包问题。

• 过程：划分子问题、表示子问题、状态转移（父问题如何由子问题推导）、确定边界（初始状态，最小子问题，最终状态）

• 实现：自底向上、自顶向下

  • 自底向上：根据初始状态，逐步推导到最终状态，而这个转移的过程，必定是一个拓扑序。例如线性模型、区间模型。经典实现是斐波那契数列。
  • 自顶向下：从最终状态出发，如果遇到一个子问题还未求解，那么就先求解子问题。如果子问题已经求解，那么直接使用子问题的解，所以自顶向下动态规划又有一个形象生动的名字，叫做记忆化搜索，一般我们采用递归的方式进行求解。一般用在树上面，因为根据父亲结点，很容易找到所有的子问题，也就是所有的子结点；而自底向上的话，要去统计这个结点的所有兄弟结点是否已经实现。会稍微复杂一点，而且比较难理解。

【参考】https://baijiahao.baidu.com/s?id=1631319141857419948&wfr=spider&for=pc

1 背包问题

给定一个数组 arr，和一个整数 aim。如果可以任意选择 arr 中的数字，能不能累加得到 aim，返回 true 或者 false。

递归

• 每个位置的数可以选择相加或不相加，用f[i][sum]表示到第i个数字时的累加值是sum，即f[1][sum]两种情况，加第一个数或不加第一个数。然后每个节点再分两种情况，可以用二叉树表示。
  
• 测试用例：arr={3，2，5}，aim=7.
• f[3][7]在不加第一个数，加第二个数，加第三个数的路径上

public class IsAimByRecursion {
 
    public static boolean isAim(int[] arr, int aim){
        if(arr == null || arr.length < 1){
            return false;
        }
        return process(arr, 0, 0, aim);
    }
 
 	//sum表示下标i之前的数字的决策累加和(不包括a[i])
    public static boolean process(int[] arr, int i, int sum, int aim){
        // 递归终止条件，到数组最后一个数时，sum是否等于aim
        if(i == arr.length){
            return sum == aim;
        }
        
        // 表示当前数字没有被加上，开始下一个数字(第一轮a[0]不加上，i+1开始下一次递归决定a[1])
        return process(arr, i + 1, sum, aim) 
        		// 表示当前数字被加上，开始下一个数字
        		// 最后有一个等于aim，一路往上都返回true
        		|| process(arr, i + 1, sum + arr[i], aim);
    }
}

动态规划

	public static boolean isAimByDP(int target,int[] arrs){
		
		int sum = 0;
		for(int i = 0; i < arrs.length; i++){
			sum += arrs[i];
		}
		//所有值加起来都没有目标值大，直接返回false
		if(target > sum)
			return false;

		boolean[][] dp = new boolean[arrs.length+1][sum+1];

		//将最后一行已经知道结果的填充进去
		for (int j = 0; j <= sum; j++) {
	            dp[arrs.length][j] = j==target;
	    }
	        
		for(int i = arrs.length - 1; i >= 0; i--){
			for(int j = 0; j <= sum; j++){
				if(j + arrs[i] <= sum){
					dp[i][j] = dp[i+1][j] || dp[i+1][j+arrs[i]];
				}
			}
		}
		return dp[0][0];
	}

2 矩阵最小路径问题

给你一个二维数组，二维数组中的每个数都是正数，要求从左上角走到右下角，每一步只能向右或者向下。沿途经过的数字要累加起来。返回最小的路径和。

递归

• 从左上角开始，递归地向右或向下找最小路径。