算法学习 | 动态规划~大事化小、小事化了

目录

动态规划

动态规划相关OJ题

斐波那契数列

拆分词句

三角形 

不同的路径数目(一) 

---

动态规划

动态规划是分治思想的延伸，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.

动态规划具备如下三个特点：

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储存子问题的解.

动态规划的本质就是对问题状态的定义和状态转移方程的定义，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

动态规划一般适用于求最大值/最小值，判断可行或是不可行，求方案个数等等

动态规划相关OJ题

从最基础的题目开始逐渐深入了解动态规划的思想.

斐波那契数列

OJ链接： JZ10 斐波那契数列

题目描述 

大家都知道斐波那契数列，现在要求输入一个正整数 n ，请你输出斐波那契数列的第 n 项。

要求：空间复杂度 O(1)，时间复杂度 O(n) ，本题也有时间复杂度 O(logn)O(logn) 的解法

例如

输入：4

返回值：3

说明：

根据斐波那契数列的定义可知，fib(1)=1,fib(2)=1,fib(3)=fib(3-1)+fib(3-2)=2,fib(4)=fib(4-1)+fib(4-2)=3，所以答案为3。

dp状态分析 

状态：F(n)

状态递推：F(n) = F(n-1) + F(n-2)

初始值：F(1) = F(2) = 1

返回结果：F(n)

public class Solution {
    public int Fibonacci(int n) {
        if (n <= 0) {
            return 0;
        }
        int dp[] = new int[n + 1];
        dp[0] = 0;
        dp[1] = 1;
        for (int i = 2; i <= n; i++) {
            dp[i] = dp[i - 1] + dp[i - 2];
        }
        return dp[n];
    }
}

拆分词句

OJ链接：CC12 拆分词句

题目描述

给定一个字符串s和一组单词dict，判断s是否可以用空格分割成一个单词序列，使得单词序列中所有的单词都是dict中的单词（序列可以包含一个或多个单词）。

例如:
给定s=“nowcode”；
dict=["now", "code"].
返回true，因为"nowcode"可以被分割成"now code".

dp状态分析

由于java的substring方法左闭右开，因此i从1开始. 

子状态：前n个字符是否可以被成功拆分

状态定义：F(i)，前i个字符是否可以被拆分

状态方程：F(i) = ( i < j && F(j) && dict.contains(s.substring(j, i)) )

初始值：初始值F(0)设为true.

返回结果：F(n)

import java.util.*;
public class Solution {
    public boolean wordBreak(String s, Set<String> dict) {
        if (s.length() == 0) {
            return false;
        }
        if (dict.isEmpty()) {
            return false;
        }
        //定义状态数据
        boolean[] dp = new boolean[s.length() + 1];
        //默认初始值为true
        dp[0] = true;
        for (int i = 1; i <= s.length(); i++) {
            for (int j = i - 1; j >= 0; j--) {
                if (dp[j] && dict.contains(s.substring(j, i))) {
                    dp[i] = true;
                    break;
                }
            }
        }
        return dp[s.length()];
    }
}

三角形 

OJ链接：CC31 三角形 

题目描述 

给出一个三角形，计算从三角形顶部到底部的最小路径和，每一步都可以移动到下面一行相邻的数字，

例如，给出的三角形如下：

[[20],[30,40],[60,50,70],[40,10,80,30]]

最小的从顶部到底部的路径和是20 + 30 + 50 + 10 = 110。 

dp状态分析

状态定义：F(i, j)：从(0, 0)到(i, j)的最短路径和

状态方程：F(i, j) = min( F(i - 1, j - 1)，F(i - 1, j) ) + triangle[i][j]

初始值：F(0, 0) =  triangle[0][0]

返回结果：min(F(n - 1, i))

import java.util.*;
public class Solution {
    public int minimumTotal(ArrayList<ArrayList<Integer>> triangle) {
        if (triangle.isEmpty()) {
            return 0;
        }
        List<List<Integer>> dp = new ArrayList<>();
        for (int i = 0; i < triangle.size(); i++) {
            dp.add(new ArrayList<>());
        }
        //定义初始状态
        dp.get(0).add(triangle.get(0).get(0));
        for (int i = 1; i < triangle.size(); i++) {
            int curSum = 0;
            for (int j = 0; j <= i; j++) {
                //处理左边界
                if (j == 0) {
                    curSum = dp.get(i - 1).get(0);
                } else if (j == i) { //处理右边界
                    curSum = dp.get(i - 1).get(j - 1);
                } else {
                    curSum = Math.min(dp.get(i-1).get(j), dp.get(i-1).get(j-1));
                }
                dp.get(i).add(curSum + triangle.get(i).get(j));
            }
        }
        int size = triangle.size();
        int ret = dp.get(size - 1).get(0);
        for (int i = 1; i < size; i++) {
            if (ret > dp.get(size - 1).get(i)) {
                ret = dp.get(size - 1).get(i);
            }
        }
        return ret;
    }
}

不同的路径数目(一) 

OJ链接：不同的路径数目(一)

题目描述

 示例

输入：2，1

返回：1

输入：2，2

返回：2

dp状态分析

状态：F(i, j)：从(0，0)到(i，j)的路径数目

状态方程：F(i，j) = F(i，j-1) + F(i-1，j)

初始值：F(0，i) = 1，F(i，0) = 1

返回值：F(m - 1，n - 1) 

 

import java.util.*;

public class Solution {
    public int uniquePaths (int m, int n) {
        // write code here
        if (m < 1 || n < 1) {
            return 0;
        }
        int[][] dp = new int[m][n];
        for (int i = 0; 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++) {
                dp[i][j] = dp[i][j-1] + dp[i-1][j];
            }
        }
        return dp[m-1][n-1];
    }
}