前言
有规律的数组对动态规划的敏感性。然后再用滚动数组优化。
可以把原数组作为dp,修改原数组,使空间复杂度降为O(1)。
一、动态规划
1、思想
路径只能走向下面或右面,所以对于每一个节点,都是从相反的上面和左边来的。每次更新就可以根据上边和左边较大的值加上自身来确定最大价值。
2、源码
跟着注释理解比较具体。
//空间O(1),但会修改原数组
public int maxValue(int[][] grid) {
if (grid.length == 0 || grid[0].length == 0)
return 0;
//分为两类更新,第一类是第一列和第一行,它们更新需要它们的上节点或左节点。因为第一列没有左节点,第一行没有上节点。每一个节点只能从上或左过来。
int m = grid.length, n = grid[0].length;
//更新第一列,该类节点只有上节点,没有左节点。
for (int i = 1; i < m; i++) {
grid[i][0] = grid[i - 1][0] + grid[i][0];
}
//更新第一行,该类节点只有左节点,没有上节点。
for (int i = 1; i < n; i++) {
grid[0][i] = grid[0][i - 1] + grid[0][i];
}
//更新其它节点,该类节点有上节点和左节点
for (int i = 1; i < m; i++) {
for (int j = 1; j < n; j++) {
grid[i][j] = (grid[i - 1][j] > grid[i][j - 1] ? grid[i - 1][j] : grid[i][j - 1]) + grid[i][j];
}
}
return grid[m - 1][n - 1];
}
二、滚动数组
//空间O(N),但不会修改原矩阵。
public int maxValue2(int[][] grid) {
if (grid.length == 0 || grid[0].length == 0)
return 0;
int m = grid.length, n = grid[0].length;
int[] dp = new int[n + 1];
//一行一行的更新,多了一个dp[0] = 0,表示第一列的左节点。每一行的更新只用得到相邻的上节点和相邻的左节点,所以每次比较dp[j-1](表示左)和dp[j](表示上节点)。
for (int i = 1; i <= m; i++)
for (int j = 1; j <= n; j++) {
dp[j] = (dp[j] > dp[j - 1] ? dp[j] : dp[j - 1]) + grid[i - 1][j - 1];
}
return dp[n];
}
总结
保持有规律、有这种有规律的递推对动态规划及滚动数组优化的敏感性。
对于动态规划,弄清楚
1)它的状态是什么?(状态定义)
2)状态的初始值是多少?(初始状态)
3)如何有规律的更新?(状态转移方程)
4)返回值在那?(返回结果)
这四个方面分别为什么。