D P DP DP的概念
将大问题分成许多更简单的子问题,整体的最优方案取决于子问题的最优方案。
什么时候可以用 D P DP DP求解
一般用于求解计数问题和最值问题。 \color{red} \text{一般用于求解计数问题和最值问题。} 一般用于求解计数问题和最值问题。
斐波那契数列
题目传送门
假如我们要求
f
i
b
(
5
)
fib(5)
fib(5),以下为搜索图:
f
i
b
(
5
)
{
f
i
b
(
3
)
{
f
i
b
(
1
)
f
i
b
(
2
)
f
i
b
(
4
)
{
f
i
b
(
2
)
f
i
b
(
3
)
{
f
i
b
(
1
)
f
i
b
(
2
)
fib(5)\{\frac{fib(3)\{\frac{fib(1)}{fib(2)}}{fib(4)\{\frac{fib(2)}{fib(3)\{\frac{fib(1)}{fib(2)}}}
fib(5){fib(4){fib(3){fib(2)fib(1)fib(2)fib(3){fib(2)fib(1)
我们可以用递归解决这个问题 。
long long fib(int x){
if(x==1||x==2) return 1;
return fib(x-1)+fib(x-2);
}
上例代码的时间复杂度为
O
(
2
x
)
O(2^x)
O(2x) 。
在上图搜索图中,
f
i
b
(
3
)
fib(3)
fib(3)计算了两次,其实用一次就行了 。
于是,
D
P
DP
DP就出现了 。
D P DP DP的两种编程实现方法
1. 1. 1.自顶向下与记忆化 ( T o p − D o w n & M e m o i z a t i o n ) (Top-Down \; \& \; Memoization) (Top−Down&Memoization)
先考虑大问题,再逐步缩小问题,我们可以将得到的结果记忆下来(以斐波那契数列为例),一个斐波那契数列只计算一次,可以优化到 O ( n ) O(n) O(n)复杂度。
int dp[35];
long long fib(int x){
if(x==1||x==2) return 1;
if(dp[x]!=0) return dp[x];
return dp[x]=fib(x-1)+fib(x-2);
}
2. 2. 2.自底向上与制表递推 ( B o t t o m − U p & T a b l e M a k i n g R e c u r s i o n ) (Bottom-Up \; \& \; Table \; Making \; Recursion) (Bottom−Up&TableMakingRecursion)
用制表法维护一张表 d p [ ] dp[\ \ ] dp[ ],自底向上用 f o r for for循环填表,复杂度为 O ( n ) O(n) O(n)。
int dp[35];
long long fib(int x){
dp[1]=dp[2]=1;
for(int i=3;i<=x;i++) dp[i]=dp[i-1]+dp[i-2];
return dp[x];
}
D P DP DP的重点分支——背包问题
简而言之就是几种物品,有不同的价值,体积,给定一个最大体积
C
C
C,求最大价值(其他与此类似)。
这类问题用贪心是解决不了的,因为贪心只能得到局部最优解,而不能得到整体最优解。
这样我们就用
D
P
DP
DP解决。
以
0
/
1
背包
0/1背包
0/1背包为例,常见
D
P
DP
DP转移方程为:
d
p
[
j
]
=
m
a
x
(
d
p
[
j
]
,
d
p
[
j
−
v
[
i
]
]
+
w
[
i
]
)
dp[j]=max(dp[j],dp[j-v[i]]+w[i])
dp[j]=max(dp[j],dp[j−v[i]]+w[i])
其中
v
[
i
]
v[i]
v[i]为体积,
w
[
i
]
w[i]
w[i]为价值。
其他的就不过多赘述了,另外还有很多优化方式,比如
- 二进制拆分
- 滚动数组
- 单调队列
- 自我滚动
等,想要深入了解的同学可以多找几篇博客看一看。