Python Prep随想练习-Day4

Day4-part1

Coin Change Problems 零钱找零问题

问题描述

你有一些硬币（硬币区分面值：1，2，5，10），你要用这些硬币组成你的找零数额，你所面对的事情呢有两个。

1. 怎么确定找零所需的最少硬币数
2. 共有多少种可能的硬币组合
   coin = [ 1,2,5,10 ]
   value=7 → min_number=2 combinations={1,1,1,1,1,1,1} ; {2,5} ; {1,1,5} ; {2,2,1,1,1} ; {2,2,2,1};{2,1,1,1,1,1}
   总共有好多好多种，我们要确定一个算法来实现

找零问题解决思路

[1 ] 确定dp数组（dp table）以及下标的含义
[2 ] 确定递推公式
[3 ] dp数组如何初始化
[4 ] 确定遍历顺序
[5 ] 举例推导dp数组

我们先把问题拆分，从获得最少的硬币数开始解决这个问题
1.确定dp数组
在昨天的学习中，我们知道了可以通过一维数组解决动态规划问题。在这里我们也设置dp数组为一维数组，同时dp数组存储的内容 dp[ i ] 应该意味着此时所对应的最小硬币数量。具体创建之后长这样：

2.确定递推公式

如果coin[ i ]==j ,那就是说明，刚好可以用一个硬币coin[ i ]来完成找零任务。dp[ j ]=1
如果coin[ i ]！= j ,那就是说明还需要别的零钱共同完成找零任务。
dp[ j ]=min(dp[ j ],dp[ j-coin[ i ] ]+1) 在上一个方案基础上加一枚coin[ i ]硬币

3.数组初始化
在之前我们求最大值的时候，是让数组初始值设为0，便于我们去寻找最大值。这里我们让数组初始值设为最大值，便于我们去寻找最小值。

coin=[1,2,5]
def get_min_coin(weight):
	dp=[float('inf')] * (weight+1)
	dp[0]=0
	for i in range(len(coin)):
		for j in range(coin[i],weight+1):
			dp[j]=min(dp[ j ],dp[ j-coin[i] ]+1)
	return dp[weight]

尝试自己实现一下这段代码吧！

零钱组合问题

目的是找到最大的组合数，还是用动态规划的思路来解决这个题目。
1.确定dp数组
和上面的一样，同样采用一维数组，但是现在dp数组中存放的信息是：最大零钱组合数
2.确定递推公式
dp[ j ]=dp[ j-coin[i] ]+dp[ j ] 这里说的是什么事情呢？

先看黄色的部分
看第二行：这里是不是对应没有考虑硬币6的情况下，weight=6的话最多的组合方法。
当考虑硬币6之后，看第三行。现在的可能组合数就变成了：没有考虑6的组合数+配合6出现的可能情况 也就是dp[6]=dp[6]+dp[6-6]=1+2=3
再看蓝色的部分，这时候你很容易就知道了dp[7]=dp[7]+dp[1]=1
dp[ j ]=dp[ j-coin[i] ]+dp[ j ] 这个公式十分显然了吧！

3.dp数组初始化
想求最大，那么理应设置为全0！但是我们需要对dp[ 0 ]赋值，认为0这种情况也是一种有效组合，不然你想想（如果dp[ 0 ]=0，整个递推还有意义吗？） dp[ 0 ]=1

def get_max_combination(weight):
	dp=[0]*(weight+1)
	dp[0]=1
	for i in range(len(coin)):
		for j in range(coin[i],weight+1):
			dp[j]+=dp[j-coin[i]]
	return dp[weight]

教材中采用二维数组实现，我们采用一维数组实现，也不失为一桩好事。
动手试试吧！

Day4-part2

Longest Increasing Subsequence 最长递增子序列

问题描述

给你一个序列，比如 5，12，2，7，1，8，13，12，获得最长子序列长度
5，7，8，13 len=4
2，7，8，13 len=4
采用动态规划解决这个题目

解决思路

[1 ] 确定dp数组（dp table）以及下标的含义
[2 ] 确定递推公式
[3 ] dp数组如何初始化
[4 ] 确定遍历顺序
[5 ] 举例推导dp数组

1.确定dp数组
同样首先采用一维数组解决这个问题，dp[ i ]代表的是当前点（其作为递增子序列的最后一个值）所包含的最长子序列的长度。
根据目前分析的定义，我们同时可以对这个数组进行初始化。每个点对应的最长子序列长度至少包含他本身的长度，也就是1，所以在这里进行赋值操作。

s=[5,12,2,7,1,8,13,12]
dp=[1]*len(s)

2.确定递推公式

针对5分析，显然dp[ 0 ]=1
针对5 12分析，5<12 dp[ 1 ]=max(dp[ 1 ],dp[ 0 ]+1)
针对 5 12 2分析， 显然不递增 dp[ 2 ]=1
针对 5 12 2 7 分析，
5<7 dp[ 3 ]=max(dp[ 3 ],dp[ 0 ]+1)=2
2<7 dp[ 3 ]=max(dp[ 3 ],dp[ 2 ]+1)=2
自己进行一下推导，是不是有：
if a[ i ]<a[ j ] dp[ j ]=max(dp[ j ],dp[ i ]+1) 感受一下整体过程吧！自己画一下，动动手！

s=[5,12,2,7,1,8,13,12]
def get_subsequence(s):
    dp=[1]*len(s)
    for i in range(0,len(s)):
        for j in range(i,len(s)):
            if s[j]>s[i]:
                dp[j]=max(dp[j],dp[i]+1)
    return dp
print(get_subsequence(s))

最终得到了整个数组，每个元素作为端点值对应的最长子序列长度。

Day4-part3

Edit Distance 编辑字符串

问题描述

给定一个源字符串和一个目标字符串，把源字符串怎么修改才能得到目标字符串？
字符串的操作包括：insert（插入），delete（删除），replace（替换）
s_source=banana
s_target=anaconda
肯定要进行若干次插入、删除、替换，我们想寻求最少的次数。

解题思路

[1 ] 确定dp数组（dp table）以及下标的含义
[2 ] 确定递推公式
[3 ] dp数组如何初始化
[4 ] 确定遍历顺序
[5 ] 举例推导dp数组

1.确定dp数组
在这里参照Day3-part1的思路，针对两个字符串还是采用二维数组才比较直观可靠。我们来确定一下dp[ i ][ j ]究竟代表的是什么呢？
dp[ i ][ j ]代表着操作数，从行的角度来看，我们关注第一行，第一行的意思是针对字符“”
，需要dp[ 0 ][ i ]个操作来实现s_target[ i ]，具体填充方式参照下图。
从列的角度来看，第一列意味着针对字符“”，需要dp[ j ][ 0 ]个操作来实现s_source[ i ]，具体填充方式参照下图。
分析的同时，我们也对dp数组完成了初始化！


2. 确定递推公式

去看一下day3的part1！
if s_source[ i ]== s_target[ j ] 那么 dp[ i ][ j ]=dp[ i-1 ][ j-1 ],什么意思呢，为什么呢。其实这里就代表着如果两个对应的字符相等的话，那么其实就不需要额外的操作了，直接继承两者未考虑前的dp值就好了！
if s_source[ i ]！= s_target[ j ] ， 这种情况下肯定是要进行一次操作的，千真万确的，但是是在什么基础上进行这一次操作的呢？
dp[ i ][ j ]=1+min(dp[ i-1 ][ j-1],dp[ i ][ j-1 ],dp[ i-1 ][ j ]) 其实这一次添加的操作应该是在其邻接的三个状态之后完成，毕竟邻接三个状态都可以，仅通过一次操作实现当前状态。并且我们想知道总体的最少操作数，因此三者取最小值就好啦！

自己动手画一下，看看能不能实现这张图对应的效果呢！

s_source='banana'
s_target='ananconda'
def get_min_operation(s_source,s_target):
	dp=[[0 for i in range(len(s_target)+1)]] for j in range(len(s_source)+1)
	for i in range(len(s_target)+1):
		dp[0][i]=i
	for i in range(len(s_source)+1):
		dp[i][0]=i
	for i in range(1,len(s_source)+1):
		for j in range(1,len(s_target)+1):
			if s_source[i-1]==s_target[j-1]:
				dp[i][j]=dp[i-1][j-1]
			else:
				dp[i][j]=1+min(dp[i-1][j-1],dp[i-1][j],dp[i][j-1])
	return dp[len(s_source)][len(s_target)]

动手实现一下，实现好了就会了！

结语

在第四天的学习中，我们完成了三道题目的学习，分别对应动态规划的不同题目类型。
相信你已经学会了，你是最棒的哦！