动态规划：学习总结

动态规划

1.题目特点

（1）计数

- 有多少种方式走到右下角
- 有多少种方法选出k个数使得和是Sum

（2）求最大最小值

• 从左上角走到右下角路径的最大数字和
• 最长上升子序列长度

（3）求存在性

• 取石子游戏，先手是否必胜
• 能不能选出k个数使得和是sum

例题： Coin Change

动态规划解题步骤

1. 确定状态
   • 两个意识：最后一步 & 子问题

（1）最后一步：得出的最后结果一定是最优结果。通过最优结果去反推前面的结果

（2）子问题：通过最后的结果去反推前面的各个子问题

（3）通过子问题+最后结果，推导策略的各种分支状态。找到满足条件的状态 — 要求硬币数最少

2. 初识条件和边界情况
   • 在确定了状态方程后，需要给定状态方程开始迭代的数值（初识条件）
     • 当状态转移方程无法计算出初值，但是又依赖于初值进行迭代时，需要自己定义

​

3. 计算顺序
   • 当需要计算左边的时候，所有右边的值都已经求得

4. 小结

硬币问题代码：LeetCode—322： Coin Change

public int coinChange(int[] coins, int amount) {
    int[] dp = new int[amount + 1];
    // 排序保证大的在后面
    Arrays.sort(coins);
    // 初识条件
    dp[0] = 0;
    for (int i = 1; i <= amount; i++) {
        // Integer.MAX_VALUE 再加一会变成负数
        dp[i] = Integer.MAX_VALUE - 1;
        // 由于coin数组的大小不定，因此要进行遍历
        for (int j = coins.length - 1; j >= 0; j--) {
            if (i >= coins[j]) {
                dp[i] = Math.min(dp[i], dp[i - coins[j]] + 1);
            }
        }
    }
    return dp[amount] == Integer.MAX_VALUE - 1 ? -1 : dp[amount];
}

机器人路径总数问题：LeetCode-62：Unique Path

public int uniquePaths(int m, int n) {
    if (m == 1 || n == 1) return 1;
    int[][] dp = new int[m][n];
    dp[0][0] = 1;
    // 执行初始化
    for (int i = 1; i < m; i++) dp[i][0] = 1;
    for (int i = 1; i < n; i++) dp[0][i] = 1;
    for (int i = 1; i < m; i++)
        for (int j = 1; j < n; j++)
            // 状态方程转化
            dp[i][j] = dp[i - 1][j] + dp[i][j - 1];
    return dp[m - 1][n - 1];
}

存在性规划问题：

青蛙跳台

1.最后一步

2.子问题

3.转移方程

状态方程小结：

数字和最大最小题型：状态方程是f(n) = min(f(n-1),f(n-i) +g(i))等等

累积的题目状态方程：f(n) = f(i-2) +f(i-1) --类比

而存在性题目状态方程：f(n)= (f(i) && 条件) || (f(i - 1) && 条件)……

4.计算顺序