算法思想(动态规划)

一、穷举法思想

在有限条件里，将所有符合条件的元素一一带入问题进行检验，从而得到检验通过的精确解。

举例一、

输出一个字符串里最长回文子串长度

思路：根据定义，根据条件（输入的字符串子串）带入问题一一检验，并且得到检验通过（最长的回文子串）的精确解。

拆解思路分析：

1、假设输入字符串：abcdcbc

2、检验所有子串

 2.1、由字符a作为子串首字母遍历出所有的子串，并对每一个子串进行校验，判断是否为回文字符串。由此可以判断第一轮循环时间复杂度是O(n*m).注：m设为回文子串的检验时间复杂度。 如下图2-1

                                                                          图2-1

 2.2、由字符b作为子串首字母遍历出所有的子串，并对每一个子串进行校验，判断是否为回文字符串。由此可以判断第二轮轮时间复杂度是O(n*m).注：m设为回文子串的检验时间复杂度。 如下图2-2

                                                                           图2-2

2.3、知道以最后一个字符为首字母遍历出所有的子串，并对每一个子串进行校验，判断是否为回文字符串，由此可见总体上需要有n次首字母为首遍历所有的子串，故总体的时间复杂度是O(n*n*m)

3、校验是否是回文字符串，验证方式如图3-1

每验证一个字符串，需要左右指针分别标识字符串的最左端和字符串的最右端的字符，当左右指针表示的字符相等，则左右指针相向运动一格，当左右指针标识的字符串不想等时则其不是回文字符串，当左指针位置 > 右指针位置则该字符串事回文字符串，所以可以认为验证回文字符串的时间复杂度为O(n/2) = O(n)。故m = O(n)。

可以看到穷举法做这道题整个的时间复杂度是O(n^2 * m) = O(n^3)。借助的额外空间也就是左右指针，故空间复杂度O(1)。

穷举法引发的思考：

穷举法虽然简单简单易懂，但是时间复杂度太高了，所以有什么方式可以将时间复杂度给降低？当然要思考这个问题，就需要去看时间都花在哪了 

第一：遍历所有子串，花费时间复杂度：O(n ^ 2)。只有拿到子串才能知道是不是回文字符串，所以这一步看似少不了

第二：校验子串是否为回文字符串，花费时间复杂度：O(n)。由于校验子串bcdcb和子串cdc都花费了O(n)的时间复杂度，但是我们可以先验证cdc是回文子串，设为串A，那么字符串bcdcb则为bAb,由此可见只需要去校验首字符和尾字符是否相等就能知道bcdcb是否为回文字符串。不需要重新校验cdc串是否为回文字符串，故可以采取空间换时间的概念，先处理长度短的子串，再处理长度加1的子串，依次处理越来越长的子串。将每次处理结果记录下来，那么校验长串是否为回文子串，只需要去校验头、尾字符是否相等和短串处理的结果即可知道长串是否为回文字符串。所以时间可以缩减到O(1)，当然代价就是空间复杂度提升。这也引出来了另一个算法的思想，就是动态规划。

二、动态规划法

当一个问题呈现某种规律求最优解，一个问题可以被拆解成多层子问题，并且上层问题可以依托所有下层问题的最优解从而得到上层最优解，如此下去，直到得到顶层也就是原问题的最优解。

还以输出一个字符串里最长回文子串长度为例子，来说明动态规划法的定义。 如图3所示

                                                                           图3 

红色标记：第四层abcd串由第二层的bc串是否是回文字符串和a，d字符是否相等来判断abcd是否是回文字符串，所以bc串不是回文字符串，那么abcd肯定不是回文字符串。

蓝色标记：第三层cdc是否是回文字符串，依靠第一层字符串d和首、尾字符是否相等判断是否为回文字符串，是则长度为1+2。第五层字符串bcdcb是否是回文字符串，依靠第三层字符串cdc和首、尾字符是否相等判断是否为回文字符串，如果是，则长度为cdc长度加2。第七层abcdcbc是否是回文字符串，依靠第五层字符串bcdcb和首、尾字符是否相等判断是否为回文字符串。

重要因素

"规律"，当有符合一定规律的事物，一定可以通过表达式方程表示出来。所以列出表达式方程是使用动态规划最重要的一环。

使用动态规划解例题一

第一步：列出表达式方程。注，通过前面的穷举法可以分析出来，判断子串是否是回文字符串这一步是优化点，而优化的思想就是动态规范。所以isHw返回的就是是否是回文字符串，i表示子串的头，j表示子串的尾，故方程如图4所示

                                                                         图4

第二步：实现方程(不展示代码，通过图来描述整个过程，重在理解，以下图中"T"表示true,"F"标识FALSE),s表示输入字符串假设为“abcdcbc”

动态规划还有一个关键点就是 空间换时间。图中方程的值isHW(i, j)是具有两个变量i，j（从第i个位置到第j个位置的子串）。所以该动态规划可以定义成二维的动态规划，可以使用二维数组来存储isHW(i, j)的值

所以代码实现先初始化一个二维数组

                                                                图5-1

 根据方程进行数组的填充

4.1、首先填充i == j的情况，填充后如下图。

                                                               图5-2

最长的回文子串长度是1

 4.2、再填充i == j -1的情况，此时代码中需要判定s[j] 是否等于s[i]。也就是判断图3中第二层每个字符串的左右两个字符是否相等，填充完毕可以得到下图

                                                                图5-3

最长的回文子串长度是1

 4.3、此后接着填充 填充i == j - 2，i == j - 3的情况，此时会走到方程是的isHW(i + 1, j - 1) &&

s[i] == s[j] 。

当i == j - 2时 ， 此时 i + 1 == j - 1。 故isHW(i + 1, j - 1)为4.1步所得到的值，都为ture，所以需要判断s[i] 是否等于s[j]

当i == j - 3时， 此时 (j - 1) - (i + 1) == 1。故isHW(i + 1，j - 1)为4.2步所得到的值，都为false，所以isHW(i, j)都为false

如下图所示

                                                                图5-4

 最长的回文子串长度是3

 4.4 、通过4.3的处理方式扫尾处理剩下的所有子串，可以得到下图

                                                                图5-5

 最长的回文子串长度是5

由此通过动态规划求解出来的例题一最长回文子串长度是5

复杂度 

时间复杂度O(n ^ 2)空间复杂度O(n ^ 2)

动态规划写法的优化

通过例题1可以看到使用动态规划的思想去代替穷举法的思想，确实时间复杂度降低了，由O(n^3) 降到了O(n^2)，但是空间复杂度的开销由O(1)升到了O(n^2)，看起来并不划算。

那么如何去优化呢？

动态规划方程式通过代码实现后，可以将一个问题通过平面图抽象出来代码的运行过程，那么就可以通过平面图去找到优化点，从而使问题更加直观。

我们知道动态规划一个问题可以被拆解成多层子问题，如何去减少子问题解的存储是动态规划优化的重要一环。

可以想一下能否得到最底层一个子问题的，就求出所有与该层相关的上层问题的解呢？

有，不妨将思路转变一下，如图6

                                                                       图6
可以看到优化后可以由左下角的箭头一直遍历到右上角的箭头，可以设三个变量y表示isHW(i,  j)，z表当前回文子串长度，max表示回文子串的最大长度，s表示字符串。注：下面所说的元素指代途中二维数组中下标为：(i，j)标识的空间。

实力字符串："abcdcbc"

分析步骤（由左下角的箭头一个个遍历到右上角的箭头，每个箭头的遍历方向跟随箭头方向）

第一个箭头：涉及到一个元素，那么 y = T,  z = 1。max = 1

第二个箭头：涉及到一个元素，那么 y = F,  z = 0。max = 1

第三个箭头：涉及到两个元素，那么处理第一个元素：x = T， z = 1，处理第二个元素时：x = x && s[0] == s[2] ，x = F， z = 1。max = 1

第四个箭头：涉及到两个元素，处理第一个元素：x = F，z = 0，后续元素不需要处理，都是F。max = 1

第五个箭头：涉及到三个元素，处理第一个元素：x = T，z = 1，处理第二个元素时：x = x && s[1] == s[3]，x = F，z = 1。后续元素不需要处理，都是F。max = 1

第六个箭头：涉及到三个元素，处理第一个元素：x = F，z = 0，后续元素不需要处理，都是F。max = 1

第七个箭头：涉及到四个元素，处理第一个元素：x = T，z = 1，处理第二个元素时：x =    x && s[2] == s[4]，x = T，z =  z + 2 = 3，max = max > z ? max : z, max  = 3 。处理第三个元素时:  x =   x && s[1] == s[5]，x = T，z =  z + 2 = 5，max = max > z ? max : z, max  = 5 。处理第四个元素时:  x =   x && s[0] == s[6]，x = F，z =  5，max = max > z ? max : z, max = 5 。

........(依赖上面处理箭头的思路处理剩下的箭头)

最后可得Max = 5。

优化后，辅助空间上的成本就是x , z, max。空间复杂度：O(1)，时间复杂度O(n)。

练习两道经典动态规划问题

1、爬楼梯问题

一个人爬楼梯，一次只能爬一阶或两阶，当总共有n阶楼梯时，有几种爬法。

1、分析题目，想想轮询法怎么实现：轮询法是从第一层楼梯开始走走一步或者两步的排列组合都记录了（可有可无）

2、轮询法的优化点：运动到某一点的所有走法记录下来，从而以该点为起点去算更高层的楼梯，从而不需要从父计算低点的走法。

3、列出方程表达式：该题与例题一的区别是，例题一是通过两个点i，j确定子串的，所以拥有两个变量决定子问题。而该题固定是从第一层到第n层，通过一个点n确定子串，所以拥有一个变量，故表达式是依据这一个变量进行展开的

4、解题思路：由于该方程式仅有一个变量n，所以通过一个一位数组进行处理即可

假设n = 10，则需要使用一维数组作为一个辅助空间

 

5、优化：根据抽象出来的一维数组和方程式，可以知道想求到第n层的爬法，只需要知道到第n-1层的爬法，和到第n - 2层的爬法相加即可。故只需要三个辅助空间j , k , l即可，j代表n- 2层的爬法，k代表 n - 1层的爬法，l代表n层的爬法。

可以理解为：

当计算第i层时，2 < i < n - 1。那么 j = k, k = l , l = k + l;

 当计算第i + 1层时，3 < i + 1 < n。那么 j = k, k = l , l = k + l;

故最后可求得爬法为l。

最终时间复杂度为O(n)，空间复杂度为O(1)。

2、背包问题（讲解完全背包）

有N种物品和一个容量为V的背包，每种物品都有无限件可用，第i件物品消耗的容量为Ci，价值为Wi，求解放入哪些物品可以使得背包中总价值最大。

1、分析题目，想想轮询法怎么实现：选择一个物品放进背包，有放和不放两种状态，故通过轮询法将背包填入n个物品的时间复杂度是O(2^n)。

2、可优化点，当选择放置一个物品i时，其可再放入的最大容量则为V-Ci，就相当于需要求解一个最大容量为V-Ci的背包放置的最大价值。所以V-Ci 容量的背包可以看成一个子问题。

3、列出表达式方程：可以看到背包背的最大价值取决于背包的容量V，和放置物品的数量，当数量越多背包容量越少，所以背包的容量和物品的重量是变量。列出表达式方程