动态规划详解

目录

简介

举例

斐波那切数列

暴力递归

带备忘录的递归解法

凑零钱问题

---

简介

动态规划一般是解决最值问题，运筹学中的一种最优化方法，比如求最长递增子序列，最小编辑距离

核心问题：穷举，但是动态规划存在重叠子问题，暴力穷举效率较低

所以需要一个备忘录或者DP table来优化穷举过程，避免一些不必要的计算

穷举还需要写出正确的状态转移方程

所以整体步骤是：明确 base case -> 明确「状态」-> 明确「选择」 -> 定义 dp 数组/函数的含义

# 初始化 base case
dp[0][0][...] = base
# 进行状态转移
for 状态1 in 状态1的所有取值：
    for 状态2 in 状态2的所有取值：
        for ...
            dp[状态1][状态2][...] = 求最值(选择1，选择2...)

举例

斐波那切数列

暴力递归

暴力递归的形式，如果N=20，则计算f(20)时需要计算f(19)+f(18)，计算f(19)时还需要计算f(18)，则f(18)会被计算两次，这个算法的时间复杂度为O(2^n)，指数级别，爆炸

int fib(int N) {
    if (N == 1 || N == 2) return 1;
    return fib(N - 1) + fib(N - 2);
}

带备忘录的递归解法

声明一个表，叫做DP table，自低向上的记录

def fib(n):
    if n == 0:
        return 0
    if n == 1 or n == 2:
        return 1
    dp = [0, 1, 2]
    for i in range(3, n + 1):
        temp = dp[i - 1] + dp[i - 2]
        dp.append(temp)
    return dp[n]


if __name__ == '__main__':
    n = 20
    result = fib(n)
    print(result)

这里引出状态转移方程为：

在这个例子中，其实我们只是需要DP table中的一部分，可以尝试压缩DP table的大小，只记录必要的数据，上述的DPtable可以从n缩小到2

def fib(n):
    if n == 0:
        return 0
    if n == 1 or n == 2:
        return 1
    pre = 1
    sec = 2
    for i in range(3, n + 1):
        sum = pre + sec
        pre = sec
        sec = sum
    return sum


if __name__ == '__main__':
    n = 20
    result = fib(n)

凑零钱问题

先看下题目：给你 k 种面值的硬币，面值分别为 c1, c2 ... ck，每种硬币的数量无限，再给一个总金额 amount，问你最少需要几枚硬币凑出这个金额，如果不可能凑出，算法返回 -1 。

比如说 k = 3，面值分别为 1，2，5，总金额 amount = 11。那么最少需要 3 枚硬币凑出，即 11 = 5 + 5 + 1。

暴力递归

符合最优子结构，子问题必须相互独立

按照前边介绍动态规划中的步骤：

1. 确定base case，显然目标金额为0时，算法返回0
2. 确定状态：也就是原问题和子问题中会变化的变量，由于硬币数量无限，硬币的面额是给定的，唯一的状态是【目标金额】
3. 确定选择：也就是导致状态发生变化的行为，目标金额为什么会变化呢，是因为你在选择硬币，你没选择一枚硬币，就相当于减少了目标金额，所以所有硬币的选择，就是你的选择
4. 明确 dp 函数/数组的定义：

dp(n) 的定义：输入一个目标金额 n，返回凑出目标金额 n 的最少硬币数量

带备忘录的递归

dp数据的迭代解法

我们可以底向上使用dp table来消除重叠子问题

代码：

def coin_change(coins, account):
    # 初始化dp，先辅个最大值
    dp = [account + 1] * (account + 1)
    # step1 定义初始状态base case
    dp[0] = 0
    # 外层for循环，遍历状态所有值
    for i in range(len(dp)):
        # 内层for循环，遍历所求情况的最小值
        for coin in coins:
            # 子问题无解，跳过
            if (i - coin) < 0:
                continue
            dp[i] = min(dp[i], 1 + dp[i - coin])
    if dp[account] == account + 1:
        return -1
    else:
        return dp[account]