经典动态规划学习记录

经典动态规划学习记录

动态规划本质是一种用空间换时间的优化方法，通常来优化可以暴力搜索求解的问题，也就是去冗余，把之前计算过的存下来，而且是规定了递归的计算顺序，从简单基本的出发，依次计算（这也是他优于记忆搜索的地方）。方法大概如下：
1.首先能明白暴力递归怎么实现（重要）；
2.找到函数中可以代表递归过程的参数；
3.参数为key，结果为value，存入dict中，方便以后拿来用（记忆搜索）；
4.进一步整理状态关系，如果二维先把第一行和第一列算出来，之后找到状态方程（后续可能还可以优化）

学习过程中看了很多博文和理论，感觉理解还是一知半解，后来觉得自己是遇到这类问题最基本的暴力递归这里就没有想清楚，遇到的笔试题基本都不会，还是记录下经典的几道题吧(因为经典，所以需要记住动态规划过程)。

---

1.最小路径的和

输入：一个二维矩阵，从矩阵左上角(0,0)开始走，走到右下角，每次只能向右或向下走，则求所有路径中路径和最小的是多少

[
[1,3,5,9],
[8,1,3,4],
[5,0,6,1],
[8,8,4,0]
]
输出：12（1-3-1-0-6-1-0）

思路：
1.生成和输入矩阵大小一样的M*N矩阵；dp[i][j]的值为从（0,0）位置到（i,j）位置的最小路径和；
2.对第一行元素来说，只能不断右移，所以第一行就是不断右移相加，第一列同理

[1,4,9,18],
[4       ],
[14      ],
[22      ]

3.考虑完dp[i][0]和dp[0][j]，现在考虑dp[i][j]
因为每个位置都有两种走法，所以对于dp[i][j]位置来说，他应该是当前位置的值加上min(dp[i-1][j],dp[i][j-1])，也就是dp[i][j] = m[i][j] + min(dp[i-1][j],dp[i][j-1])

思路大概就是这样，这个相对比较好理解，代码实现如下

def findMinLength(array):

    rows = len(array)
    cols = len(array[0])

    for i in range(1,rows):  #第一列各位置初始化
        array[i][0] += array[i-1][0]
    for j in range(1,cols): #第一行各位置初始化
        array[0][j] += array[0][j-1]

    for i in range(1,rows): #按顺序计算每个位置最小值存入array[i][j]
        for j in range(1,cols):
            array[i][j] += min(array[i-1][j],array[i][j-1])

    print(array[-1][-1])

2.跳台阶问题

问题描述：有一楼梯共m级，刚开始时你在第一级，若每次只能跨上一级或二级，要走上第m级，共有多少走法？
注：规定从一级到一级有0种走法。

思路很简单：f(n) = f(n-1)+f(n-2) 注意这里默认开始在第一级，斐波那契数列稍微条件变了一点

def jump(n):
    res = [0,1,2]
    while len(res)<n:
        res.append((res[-1]+res[-2]))
    print(res[n-1])