动态规划相信大家一定不会陌生了
基本理解:
动态规划算法其实就是通过拆分问题去定义问题和状态之间的关系,使主问题能以递推的方式去解决。
这个算法其实在小白阶段刚刚接触算法的时候是很头疼的问题,通过百度或者文案去了解这个算法都能看到很多偏理论的问题,对小白来说可能不太友好,就算看懂了可能在实际代码解题中可能不知道从何下手。
也许通过一些实际的例子更加能理解什么是动态规划。
当然我们还是要走一下流程看看官方给出的定义是什么:
动态规划算法是通过拆分问题,定义问题状态和状态之间的关系,使得问题能够以递推(或者说分治)的方式去解决。动态规划算法的基本思想与分治法类似,也是将待求解的问题分解为若干个子问题(阶段),按顺序求解子阶段,前一子问题的解,为后一子问题的求解提供了有用的信息。在求解任一子问题时,列出各种可能的局部解,通过决策保留那些有可能达到最优的局部解,丢弃其他局部解。依次解决各子问题,最后一个子问题就是初始问题的解。
由于动态规划解决的问题多数有重叠子问题这个特点,为减少重复计算,对每一个子问题只解一次,将其不同阶段的不同状态保存在一个二维数组中。(来自百度百科)
是不是看懵比了,我们只要记住两个点就行。
适合应用动态规划方法求解的最优化问题应具备的两个要素:最优子结构和重叠子问题。
重叠子问题
即问题的递归算法会反复地求解相同的子问题,而不是一直生成新的问题。
最优子结构
如果一个问题的最优解是通过子问题逐步构造出最优解,则称此问题具有最优子结构性质。
接下来我们通过一个小例子来理解一下:
斐波那契数列,大家应该多少懂一点,简单的理解就是数列中第一个和第二个都是1. 接着第三个数就等于前两个数的和。
给大家画了个图好理解:
这个时候我们比如说要求,求出位置在第6上面的值是多少。
每个子问题都又自己的子问题,直到达到这个问题的出口。
这个问题的出口是什么呢?其实就是我们之前提到的数列的第一和第二个值,都是1。
这样我们通过第一第二个的值就能知道,第三个元素的值,以此类推。
上代码:
接下来通过递归的方式去解决这个问题。
你要注意我们求下标为6的值,num要等于6+1。因为我们的数列的第一个值是0
所以下标是6其实是第7 个元素。
(只有程序猿都是从0开始数的懂的都懂)
//递归
public static int jumpStep(int num) {
//如果要求第一个或者第二个元素直接给1
if(num <=2) {
return 1;
}
//当n > 2时,返回(n - 1) + (n - 2)
return jumpStep(num - 1) + jumpStep(num - 2);
}
我们可以看出通过递归的方式,很容易的就的到了结果。
但是你会发现它的时间复杂度达到了 O(2^n)
接下来我们来看通过动态规划的方式是怎么解这个问题的。
动态规划 代码:
//动态规划
public static int jump(int m){
//创建一个数组
int[] arr = new int[m + 1];
//先放两个出口的值
arr[0]=1;
arr[1]=1;
//循环将从底至顶的计算并储存它的所有子问题的解。
for (int i = 2; i <=m; i++) {
arr[i]=arr[i-1]+arr[i-2];
}
//返回结果
return arr[m];
}
这样的情况我们就可以看出我们的时间空间复杂度都降到了 O(n)
总结一下:
动态规划的解题思路:
把原问题分解为若干个子问题,子问题和原问题形式相同或类似,只不过规模变小了。子问题都解决;
子问题的解一旦求出就会被保存,所以每个子问题只需求 解一次。