【算法】动态规划（1）

dbq我又开始学算法了 这次是 毫无压力的学 我觉得很开心~ 

以下都来自于我的的humble opinion~

在DP中，递归是top-down，填表是bottom-up.

我之前一直都没有搞懂过，自顶向下和自底向上的区别；（可能我现在的理解也有问题 再说）

自顶向下，就是站在了顶层去思考问题，比如说递归，你只需要给出一定的递推公式，然后从顶层去解决问题，细节的部分（你要考虑）但是不会体现在代码里，相当于将一个比较复杂的问题，提取重复的逻辑，逐渐缩小规模。

自底向上，就是从最底层去思考，从i -> i+1是怎么变化的，也就是dp中的填表，也就是递推公式，是从第一个细节开始的。

在DP中，还有一个比较重要的概念，叫做memoisation，记忆化？我会把这个会叫做备忘录。

在这里举个例子，它的用法。

大家肯定都知道fibonacci数列。备忘录的作用就是：相当于有一个其本身有一个列表f[] = [f(1), f(2), f(3)，..]，每次需要用的时候直接取值，而不是去调用函数，避免了重复计算。

• 下图为 不通过备忘录 的call tree：

• 下图为 通过备忘录的call tree（橘色的点的值直接从cache返回）

>3 在之后自顶向下（递归）的代码中，很有可能会使用到备忘录，来优化（减少重复计算来节省时间）。

1. 直角对角向下 最少消耗

有一个n*n的格子，每个格子在每个点(i, j)的权重为，你可以从每一行的任何一列，直角对角向下移动，一次一格。请问从第一行到最后一行，最少消耗是多少？

递推公式：

填表后的结果：

第一次的代码我都删掉了，这里只有图片：

1.1 简单的自顶向下（递归）

（这里有一个bug，range(-1, +1)其实只循环了(-1, 0)，所以应该改成(range(-1, 2)）

1.2 使用备忘录的自顶向下（递归）

这里的备忘录，是指有一个二维数组，用来存储每次到达i, j的时候，消耗的最小值。比如说

这里的12会被重复计算三次，第一次是16，第二次是17，第三次是7，所以通过备忘录可以避免重复计算。

1.3 自底向上（填表）

2. 换零钱

比如说你有32元，现在有面值1，10，和25的硬币，你最少能换到多少个硬币。

这题的答案是：3个10+2个1->5个硬币

在这里，贪心法是不管用的，因为按照贪心的思路，为了换最少的硬币，肯定是先从面值最大的开始，也就是25，这样一来，得到的硬币数为1个25+7个1=8个硬币。

这就是为什么贪心是 局部最优（在换第一个25的时候，肯定是最优的因为最少的硬币占了最大的面值）

而动态规划 是全局最优。

2.1 简单自底向上（填表）

它求出的num_coins就是下面的这个表格：

价值	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	17	18	19	20	21	22	23	24	25	26	27	28	29	30	31	32
最少硬币数	1	2	3	4	5	6	7	8	9	1	2	3	4	5	6	7	8	9	10	2	3	4	5	6	1	2	3	4	5	3	4	5

比如说在寻找30的时候，会出现三种情况：

1. 30-1=num_coins(29)+1 = 5 √
2. 30-10=num_coins(20)+1 = 2 √
3. 30-25=num_coins(5)+1 = 5

我觉得这几个练习题出的很巧妙的原因，就是它几乎都考的一个知识点，在第一题直角对角向下中，是与上一行的三个格子的权值进行比较，而在本题中，是与三个硬币面值进行比较，这非常循序渐进。如果硬币的面值变多的话，就相当于，与n个硬币面值进行比较，是换n1, n2, n3....？

上述的代码可以输出最少硬币数，但是无法输出换的是哪些硬币，下面的while函数实现了这点。

其中times是表示比如说在32的时候，是换1元，10元，25元，其中消耗的最小的。index是找是1还是10,25的位置，然后为result的硬币+1，也就是 初始都是000，后来变成100，->200，->210，220，->230，也就是1元2个，10元3个。

这里 times[]里存的是，此时取三个面值的硬币，选择哪个硬币数最少；

3. 01背包问题

这个问题的关键就是：装还是不装？

背包问题的递推公式：

3.1 自顶向下（递推）

3.2 自底向上（填表）

如果你觉得你理解了01背包的公式含义，那么做个小练习吧！根据这个价值表，推算出这5个物品的价值：

答案：20 14 25 19 9

最后我希望你永远不要忘记的一点是：bottom-up是填表，top-down是递归!