动态规划问题的一般形式就是求最值,核心问题是穷举。因为要求最值,肯定要把所有可行的答案穷举出来,然后在其中找最值。动态规划的穷举有点特别,因为这类问题存在「重叠子问题」,如果暴力穷举的话效率会极其低下,所以需要「备忘录」或者「DP table」来优化穷举过程,避免不必要的计算。而且,动态规划问题一定会具备「最优子结构」。要符合「最优子结构」,子问题间必须互相独立。
关键词:递归(穷举)、求最值、重叠子问题
1、暴力递归
#include<iostream>
using namespace std;
const int maxn = 10010;
int fib(int n) {
if (n == 1 || n == 2) return 1;
return fib(n - 1) + fib(n - 2);
}
int main() {
int a;
cin >> a;
cout << fib(a);
system("pause");
return 0;
}
递归算法的时间复杂度怎么计算?子问题个数乘以解决一个子问题需要的时间。
子问题个数,即递归树中节点的总数。显然二叉树节点总数为指数级别,所以子问题个数为 O(2^n)。
解决一个子问题的时间,在本算法中,没有循环,只有 f(n - 1) + f(n - 2) 一个加法操作,时间为 O(1)。
所以,这个算法的时间复杂度为 O(2^n),指数级别,爆炸。
2、带备忘录的递归
时间复杂度是 O(n)
#include<iostream>
using namespace std;
const int maxn = 10010;
int memo[maxn] = { 0 };
int fib(int n) {
if (n == 1 || n == 2) return 1;
memo[1] = memo[2] = 1;
if (memo[n-1] != 0&&memo[n-2]!=0) return memo[n]=memo[n-1]+memo[n-2];
else
{
return memo[n] = fib(n - 1) + fib(n - 2);
}
return memo[n];
}
int main() {
int a;
cin >> a;
cout << fib(a);
system("pause");
return 0;
}
3、dp数组的迭代解法
#include<iostream>
using namespace std;
const int maxn = 10010;
int dp[maxn] = { 0 };
int fib(int n) {
dp[1] = 1, dp[2] = 1;
for (int i = 3; i <= n; i++) {
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[n];
}
int main() {
int a;
cin >> a;
cout << fib(a);
system("pause");
return 0;
}