动态规划解题步骤详解以及经典入门题

动态规划解题步骤

题目的类型

1.计数型：
1.1多少种方式走到右下角
1.2多少种方式选出K个数字使得和为sum

2.求最大最小值：
2.1从左上角走到右下角的最大数字和
2.2最长上升子序列长度

3.求存在性（博弈）
3.1取石子，先手是否能赢
3.2能不能选出k个数使得和为sum

解题四个步骤：

例题：三种硬币分别为2元，5元和7元，每种硬币足够多，买一本书27块钱，最少需要几个硬币能付清？

动态规划组成部分1：确定状态：

状态在动态规划里面非常的重要，简单的来说就是解动态规划的时候需要开一个数组，数组的每个元素a[i]或者a[i][j]分别代表什么。

1.1确定状态两个意识：

1.1.1最后一步
虽然我们不知道最优策略是什么，但是最优策略坑定是K枚硬币a1，a2到ak的面值加起来为27

所以一定有最后一个硬币ak，除掉了这一个硬币，前面的面值就是27-ak；

关键点1：
我们不去关系前k-1枚硬币如何拼出来，甚至我们不知道ak和k的数值，但是我们知道前面的硬币可以拼出27-ak

关键点2：
因为是最优策略，所以拼出27-ak的硬币数一定要最少，否则就不是最优策略

1.2子问题

原问题是用最少的硬币拼出27，所以子问题就是：用最少的硬币可以拼出27-ak，和原问题比，子问题的规模更小。

为了简化定义，所以我们就设状态f（x）=最少用多少枚硬币拼出x。

等等，我们还不知道最后的那枚硬币ak是多少

最后的那枚硬币只可能是2，5，7

如果ak是2，那么f(27)=f(27-2)+1，(加上最后这枚硬币2)
如果ak是5，那么f(27)=f(27-5)+1，(加上最后这枚硬币5)
如果ak是7，那么f(27)=f(27-7)+1，(加上最后这枚硬币7)

所以我们能推导出：
f(27) = min{f(27-2)+1, f(27-5)+1, f(27-7)+1}

那么和递归有什么区别？

重复计算，时间复杂度非常高。

那么动态规划是怎么避免的：将计算结果保存下来，并改变计算顺序，也就是空间换时间。可以理解为记忆化搜索。

动态规划组成部分2：转移方程：

上面分析了f[x]=最少多少枚硬币可以拼出x

对于任意x，f[x]= min{f[x-2]+1, f[x-5]+1, f[x-7]+1}

动态规划组成部分3：初始条件和边界情况：

问题一：

x-2，x-7，x-5小于0怎么办？
如果拼不出来x，我们就定义f[x]是正无穷，例如f[-1],f[-2]都等于正无穷
所以f[1]=min{f[-1]+1,f[-4]+1,f[-6]+1}=正无穷，表示拼不出来1

问题二：
什么时候停下来？

初始条件f[0]=0,这个必须手动定义，为什么？
假如我们不定义f[0]=0;那么使用转移方程后将会出现：f[0]=min{f[-2]+1,f[-5]+1,f[-7]+1}=正无穷。

动态规划组成部分4：计算顺序：

大多数动态规划都是从0开始，二维的话就是从左到右从上到下来确定。

计算顺序的确定其实很简单：
当我们计算到f[x]的时候，f[x-2]、f[x-5]、f[x-7]都已经得到结果了，所以这里应该从小到大。

这道题我们从0到27，每个位置尝试三种硬币，所以时间复杂度就是273;如果到n，有m种硬币，那么时间复杂度就是mn；远远小于递归。

接下来就是把四个步骤转化为代码：一定要自己憋出来，哪怕是憋几天都别看答案，憋出来了会好很多。

思想很重要但是把思想转化成代码的能力同样重要

上代码

#include <iostream>
#define max 999
using namespace std;
int main()
{
	int a[28]={0};
	int b[3]={2,5,7};
	for(int i=0;i<=27;i++)
	{
		a[0]=0;
		int min=999; 
		for(int j=0;j<=2;j++)
		{
			if(i-b[j]<0&&i!=0)
			{
				a[i]=max;
			}
			else 
			{
				if(a[i-b[j]]+1<min)
			    min=a[i-b[j]]+1;
			}
		}
		a[i]=min;
		cout<<i<<"  "<<a[i]<<endl;
	}
 } 

当然，肯定有更简洁的写法，但我这个写法可读性可能会好一些。