动态规划【1】

动态规划


Dynamic Programming

DP定义:
动态规划是分治思想的延伸,通俗一点来说就是大事化小,小事化无的艺术。
在将大问题化解为小问题的分治过程中,保存对这些小问题已经处理好的结果,并供后面处理更大规模的问题时直接使用这些结果。

动态规划的三个特点

  1. 把原来的问题分解成了几个相似的子问题。
  2. 所有的子问题都只需要解决一次。
  3. 存储子问题的解

动态规划的本质,是对问题状态的定义和状态转移方程的定义(状态以及状态之间的地推关系)
动态规划问题一般从以下四个角度考虑:

  1. 状态定义
  2. 状态间的转移方程定义
  3. 状态的初始化
  4. 返回结果

状态定义的要求:定义的状态一定要形成递推关系。


例一:fibonacci

JZ10:斐波那契数列
在这里插入图片描述

方法一:递归

如果n比较小的话,我们就可以采用递归的方法

class Solution {
public:
    int Fibonacci(int n) {
        if (n == 0)
            return 0;
        if (n == 1 || n == 2)
            return 1;
        return Fibonacci(n - 1) + Fibonacci(n - 2);
    }
};

但是这种方法并不可取,因为如果n取一个很大的值的话,就会出现栈溢出的现象
此时的空间复杂度是一个O(n),时间复杂度是一个O(2^n)

方法二:动态规划

重点在于找到其状态以及转移方程
问题:数列第n项的值
状态F(i):数列第i项的值
转移方程:
  F(i): F(i - 1) + F(i - 2);
初始状态:
  F(0) = 0;
  F(1) = 1;
返回值:
  F(n)

class Solution {
public:
    int Fibonacci(int n) {
       vector<int> F(n + 1, 0);
        //初始化 F(0) = 0; F(1) = 1;
        F[1] = 1;
        for(int i = 2; i <= n; ++i)
        {
            F[i] = F[i - 1] + F[i - 2];
        }
        return F[n];
    }
};

相对于递归来说,此时的时间复杂度为O(n),空间复杂度还是一个O(n);
优化:

class Solution {
public:
    int Fibonacci(int n) {
        //f(n - 2)
        int fn2 = 0;
        //f(n - 1)
        int fn1 = 1;
        int fn;
        if(n <= 1)
            return n;
        for(int i = 2; i <= n; ++i)
        {
            fn = fn1 + fn2;
            fn2 = fn1;
            fn1 = fn;
        }
        return fn;
    }
};

采用的是一个空间换时间的概念,此时的空间复杂度就为O(1),空间复杂度就为O(n);

例二:青蛙跳台阶问题

JZ71:跳台阶扩展问题
在这里插入图片描述

方法一:动态规划

问题:跳上n级台阶的方法个数
状态F(i):跳上第i级台阶的方法个数
转移方程:
解析:
在这里插入图片描述
就F(4)而言
我先站在第一级台阶上(至于我是怎么站在第一级台阶上的,我不关心),然后再条三级台阶,就可以到达第四级台阶。
我先站在第二级台阶上(至于我是怎么站在第二级台阶上的,我不关心),然后再条两级台阶,就可以到达第四级台阶。
我先站在第三级台阶上(至于我是怎么站在第三级台阶上的,我不关心),然后再条一级台阶,就可以到达第四级台阶。

总结:
我如果选择最后跳一级台阶,我就应该站在 i - 1 级台阶之上,我如果选择最后跳两级台阶,我就应该站在 i - 2 级台阶之上,以此类推,我如果最后选择跳 i 级台阶,我就应该站在第0级台阶之上;所以:
  F(i):F(i - 1) + F(i - 2) + … + F(0)
以此类推:
  F(i - 1):F(i - 2) + F(i - 3) + … + F(0)
因此:
  F(i):F(i - 1) + F(i - 1) = 2 * F(i - 1)
初始值:
  f(1) = 1
  f(2) = 2 * f(1) = 2
  f(3) = 2 * f(2) = 4
  f(4) = 2 * f(3) = 8
所以它是一个等比数列
  f(n) = 2^(n-1)
返回结果:f(N)

class Solution {
public:
    int jumpFloorII(int number) {
        if(number == 0)
            return 0;
        int ret = 1;
        for(int i = 2; i <= number; ++i)
            ret *= 2;
        return ret;
    }
};

优化:当然我们也可以用移位来进行操作,降低时间复杂度

class Solution {
public:
    int jumpFloorII(int number) {
        if(number == 0)
            return 0;
        return 1 << (number - 1);
    }
};

问题扩展:

此题看似复杂,通过抽象和归纳,可以找出问题的内在规律定义问题的状态,以及状态间的递推关系,找到问题的答案

扩展1:
上述问题为变态青蛙跳台阶,太疯狂,这只青蛙像是吃了大力丸身上充满了无穷的力量。现在让它变成一个正常的青蛙,限制它一次只能跳1阶或者2阶,现在该如何解答

扩展2:牛客网上另一个题目:矩形覆盖
我们可以用2 * 1的小矩形横着或者竖着去覆盖更大的矩形。请问用n个2 * 1的小矩形无重叠地覆盖一个2 * n的大矩形,总共有多少种方法?

例三:最大连续子数组和

JZ42:连续子数组的最大和
在这里插入图片描述

方法:动态规划

问题:数组的最大连续和
子问题:局部元素构成的数组,它的最大连续和
状态F(i):以第i个元素结尾的最大连续子序列和
在这里插入图片描述
转移方程:
  F(i) = max(F(i - 1) + a[i], a[i])
初始状态:
  F(0) = a[0]
返回值:
  max(F(i))

class Solution {
public:
    int FindGreatestSumOfSubArray(vector<int> array) {
        if(array.empty())
            return 0;
        //F(0) = a[0] 
        vector<int> maxSum(array);
        for(int i = 1; i < array.size(); ++i)
        {
            //F(i) = max(F(i - 1) + a[i], a[i]) 
            maxSum[i] = max(maxSum[i - 1] + array[i], array[i]);
        }
        //max(F(i))
        int ret = maxSum[0];
        for(int i = 1; i < maxSum.size(); ++i)
            ret = max(ret, maxSum[i]);
        return ret;
    }
};

例四:字符串分割

CC12:拆分词句

在这里插入图片描述
问题:单词是否可以成功分割
子问题:单词前几个字符是否可以成功分割
状态F(i):单词前i个字符是否可以成功分割
转移方程:
  F(i):j < i && F(j) && [j + 1, i]是否可以在词典中找到
  判断前i个字符整体是否可以在词典中找到
返回结果:
  F(s.length())

class Solution {
public:
    bool wordBreak(string s, unordered_set<string> &dict) {
        if (s.empty()){
 			return false;
 		}
 		if (dict.empty()){
 			return false;
 		}
 		// 获取词典中的单词的最大长度
 		int max_length = 0;
 		unordered_set<string>::iterator dict_iter= dict.begin();
 		for (; dict_iter != dict.end(); dict_iter++){
 			if ((*dict_iter).size() > max_length){
 				max_length = (*dict_iter).size();
 				}
 		}
 		vector<bool> can_break(s.size() + 1, false);
 		// 初始化F(0) = true
 		can_break[0] = true;
 		for (int i = 1; i <= s.size(); i++){
 			for (int j = i - 1; j >= 0; j--){
 				// 如果最小子串长度大于max_length,跳过
 				if ((i - j) > max_length){
 					break;
 				}
 				// F(i): true{j <i && F(j) && substr[j+1,i]能在词典中找到} OR false
 				// 第j+1个字符的索引为j
 				if (can_break[j] && dict.find(s.substr(j, i - j)) != dict.end()){
 					can_break[i] = true;
 					break;
 				}
 			}
 		}
 		return can_break[s.size()];
    }
};
  • 9
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 14
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 14
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

李憨憨_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值