蓝桥杯零基础冲国赛-第2天

递推与动态规划

动态规划为递推的一个子集，动态规划比递推多了一个决策（比如一块蛋糕，吃或不吃，吃多少）的过程，为求解问题最优解的算法

首先来看一个问题

[使用最小花费爬楼梯](746. 使用最小花费爬楼梯 - 力扣（LeetCode） (leetcode-cn.com))

给你一个整数数组 cost ，其中 cost[i] 是从楼梯第 i 个台阶向上爬需要支付的费用。一旦你支付此费用，即可选择向上爬一个或者两个台阶。你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。请你计算并返回达到楼梯顶部的最低花费。

解题步骤：

1、确定递推状态

dp[n]爬到第n层的最小花费

2、确定动态转移方程（有一个明显的特征就是min函数，这就是动归和递推的区别）

dp[n] = min(dp[n - 1], dp[n - 2]) + cost[n]

3、确定边界条件

dp[0] = cost[0], dp[1] = cost[1]；

4、根据数序归纳法写程序

int minCostClimbingStairs(vector<int>& cost) {
       	vector<int> ans(cost.size() + 1, 0);
        ans[0] = 0, ans[1] = 0;
        for (int i = 2; i <= cost.size(); i++) {
            ans[i] = min(ans[i - 1] + cost[i - 1], ans[i - 2] + cost[i - 2]);
        }
        return ans[cost.size()];
 }

再来看leetcode的第256题

假如有一排房子，共n个，每个房子可以被粉刷成红色、蓝色、或者绿色这三种颜色中的一种，你需要粉刷所有的房子并且使其相邻的两个房子颜色不能相同。当然，因为市场上不同颜色油漆的价格不同，所以房子粉刷成不同颜色的花费成本也是不同的。每个房子粉刷成不同颜色的花费是以一个n x 3的正数矩阵costs来表示的。例如，costs[0] [0]表示第0号房子粉刷成红色的成本花费：costs[1] [2]表示第1号房子粉刷成绿色的花费，依次类推。计算出发刷完所有房子最少的花费成本。

解题步骤：

1、确定递推状态

dp[n] [i] 总共n个房子，最后一个房子第i种颜色的最小花费

2、确定动态转移方程

dp[n] [i] = min(dp[n - 1] [k]) + costs[n] [i]

3、确定边界条件

dp[0] [0] = costs[0] [0], dp[0] [1] = costs[0] [1] , dp[0] [2] = costs[0] [2];

4、根据数序归纳法写程序

int minCost(vector<vector<int>> &costs) {
    int n = costs.size();
    int dp[n][3];
    memset(dp, 0, sizeof(dp));
    dp[0] [0] = costs[0] [0], dp[0] [1] = costs[0] [1] , dp[0] [2] = costs[0] [2];
    for (int i = 1; i < n; i++) {
        dp[i][0] = min(dp[i - 1][1], dp[i - 1][2] + costs[i][0]);
        dp[i][1] = min(dp[i - 1][0], dp[i - 1][2] + costs[i][1]);
        dp[i][2] = min(dp[i - 1][0], dp[i - 1][1] + costs[i][2]);
    }
    
    return min(dp[n - 1][0], min(dp[n - 1][1], dp[n - 1][2]));
}

再来看leetcode的120题

[三角形最小路径和](120. 三角形最小路径和 - 力扣（LeetCode） (leetcode-cn.com))

给定一个三角形 triangle ，找出自顶向下的最小路径和。每一步只能移动到下一行中相邻的结点上。相邻的结点 在这里指的是 下标 与 上一层结点下标 相同或者等于 上一层结点下标 + 1 的两个结点。也就是说，如果正位于当前行的下标 i ，那么下一步可以移动到下一行的下标 i 或 i + 1 。

思考一：如果由下向上走的话，很容易获得最后一行站再每个点上能够获得的最大值，由此得到倒数第二行的每个点的最大值，依次类推。

解题步骤：

1、确定动归状态：

dp[i] [j]代表从底边走到(i, j)点所能获得的最小值

2、确定动态转移方程

dp[i] [j] = min(dp[i - 1] [j], dp[i - 1] [ j - 1]) +triangle[i] [j];

3、确定边界条件

for (int i = 0; i < n; i++) dp[i - 1] [i] = triangle[n - 1] [i];

4、根据数学归纳法写程序

int minimumTotal(vector<vector<int>>& triangle) {
        int n = triangle.size();
        int dp[n][n];
        memset(dp, 0, sizeof(dp));
        for (int i = 0; i < n; i++) dp[n - 1][i] = triangle[n - 1][i];
        for (int i = n - 2; i >= 0; --i) {
            for (int j = 0; j <= i; j++) {
                dp[i][j] = min(dp[i + 1][j], dp[i + 1][ j+ 1]) +triangle[i][j];
        }
    }
    return dp[0][0];    
    }

思考二：由上向下

解题步骤：

1、确定动归状态：

dp[i] [j]代表从顶点走到(i, j)点所能获得的最小值

2、确定动态转移方程

dp[i] [j] = min(dp[i - 1] [j], dp[i - 1] [ j - 1]) +triangle[i] [j];

3、确定边界条件

dp[0] [0] = triangle[0] [0], dp[i] [j] = INT_MAX

4、根据数学归纳法写程序

 int minimumTotal(vector<vector<int>>& triangle) {
        int n = triangle.size();
        int dp[n + 1][n + 1];
        dp[0][0] = triangle[0][0];
        for (int i = 1; i < n; i++) {
            for (int j = 0; j <= i; j++) {
                dp[i][j] = INT_MAX;

                if (j <= i - 1) dp[i][j] = min(dp[i][j], dp[i - 1][j] + triangle[i][j]) ;
                if (j > 0) dp[i][j] = min(dp[i][j], dp[i - 1][j - 1] + triangle[i][j]) ;
            }
        }
        int ans = INT_MAX;
        for (int i = 0; i < n; i++) {
            ans = min(ans, dp[n - 1][i]);
        }
        return ans;
    }

上面这道金典的数字三角形问题涵盖了动态规划的所有思想。包括：

一个重要概念：阶段，数字三角形中的一层就是一个阶段，本层只依赖上一层。

另一个重要概念：状态，每层涵盖了若干状态，重要是状态定义里面，状态定义会影像程序的复杂程度。

第三个重要概念：转移，每个状态可以通过某个状态来转移。

第四个重要概念：决策，通过转移找到目标的状态

训练目标：
理解数字三角形、学会学习DP的办法
预告：动态规划（DP）