有些暴力递归不能被改成动态规划,因为他本身要求的解空间无法被压缩了。
eg:汉诺塔问题,我们必须打印那些步骤。
如果要写一个动态规划,先写成暴力递归的版本,然后模板化修改。
先写递归版本:
不妨记递归函数是f()
1.base case 是啥?
如果这个点在右下角,直接返回这个点的数值就可以了。 a[i][j]
如果这个点在最后一行。 返回当前位置的数字+下一步需要的
即: a[i][j] + f[i][j+1]
如果在最后一列
同理 a[i][j] +f[i+1][j]
一般情况:就当前加 右或下的最小值。
#include <iostream>
#include <algorithm>
using namespace std;
const int N=10010;
int walk(int a[N][N],int rows,int columns,int i,int j){
if(i==rows-1 && j==columns-1){
return a[i][j];
}
if(i==rows-1) return a[i][j]+walk(a,rows,columns,i,j+1);
if(i==columns-1) return a[i][j]+walk(a,rows,columns,i+1,j);
return a[i][j]+min(walk(a,rows,columns,i,j+1),walk(a,rows,columns,i+1,j));
}
如果改成非递归的动态规划呢?
首先要思考,什么样的递归可以被改成动态规划?
设这个递归函数是f(0,0) 表示从0 0 位置走到右下角
f(0,0) 会调用 f(0 1) and f(1 0)
f(0 1) 会调用 f(1 1) and f(0 2)
f(1 0) 会调用 f(1 1) and f(2 0)
f(1 1)算过两次,我们可以省去这个步骤
记录f 1 1 状态,下次用上直接拿出来用,就可以节省时间了。
to sum up,当一个递归有重复状态。 并且这个状态与到达他的路径无关。
不管怎么走到达这个位置,对应的状态函数返回值都是一样的,就可以被记录下来,下次再用。
这样的过程,我们称作:
无后效性问题。
状态的参数定了,返回值就定了。
之前的选择无法影响当前的状态。
那么参数的不同就可以 确定不同的返回值。
对应这个问题,参数是 i j 返回值根据i j的不同,值也不同。
f函数也是一张二维矩阵。
我们需要的就是f 0 0 位置的返回值。
回到递归函数中,找到对应的base case 然后填在新的表里。
可以发现: 递归是顺着来,动态规划是反着回去的。