是一种用来最优化问题的方法,将一个复杂问题分解成若干个子问题,再通过将每个子问题的最优解记录下来,这样在再次碰到子问题的时候,就有一个直接的答案。重点就是其取消了重复计算环节。
通常使用递归和递推两种方法实现动态规划,递归又叫做:记忆化搜索。
可以从一个Fibonacci数列的计算为例:
计算斐波那契数列的经典方法就是递归,也就是如下:
int F(int n)
{
if(n==0||n==1) return 1;
else return F(n-1)+F(n-2);
}
这里就涉及了重复计算的问题,例如我要计算F(5)。那么要计算F(4)和F(3)而F4=F3+F2,F3=F2+F1;可以看到F2被计算了两遍。如果可以把重复计算的值在计算一遍后保存起来,则可以实现程序的优化。
分析其迭代过程:可以用一个一位数组dp[maxn]记录被计算过的F(n)的值。
dp[i]=F(i-1)+F(i-2);
那么可以将原函数改写:
int F(int n)
{
int maxn=1000;
int dp[maxn];
for(int i=0;i<maxn;i++)
dp[i]=-1;
//设置成-1,如果不等于-1则说明其已经被赋值,直接输出。
if(n==1||n==0) return 1;
if(dp[n]!=-1) return dp[n];
else
dp[n]=F(n-1)+F(n-2);
return dp[n];
}
这里就可以看出记忆化搜索的意思来,就是用一个数组记录需要被重复计算的部分,等到再次调用到的时候直接输出。
记忆化搜索能够把复杂度降级。
这里可以引出动态规划的一个要素,就是重叠子问题和最优子结构,它被分解为几个子结构后,每个子结构每次决策过程中要有最优解。
下面以一个问题为例,再分步思考动态规划问题。
最大连续子序列和
给定一个数字序列A1,A2,A3...,An,求i,j(1<=i<=j<=n),使得Ai+...+Aj最大,输出最大和
这里使用动态规划解法,假设一个dp[i]一维数组。
他的子问题是什么?假设现在有
A1=-2, A2=11, A3=-4, A4=-3
暴力方法就是遍历,其过程可以写下为:
A[1->1]=-2 A[1->2]=-2+11 A[1->3]=-2+11-4 A[1->4]=-2+11-4-3
A[2->2]=11 A[2->3]=11-4 A[2->4]=11-4-3
A[3->3]=-4 A[3->4]=-4-3
A[4->4]=-3
总结可以得到其子问题:
在这里需要考虑:需要得到的结果是最大值。可以将最大值设为dp[i],表示以A[I]为结尾的一系列最大值。
而每次计算得到的最大值是什么?
dp[i]=dp[i-1]+A[i]
这里再考虑如果A[i]+dp[i-1]<A[i],那么如果加上则最大值变小,这不是我们想要的,所以这种情况可以加上
dp[i]=max(dp[i-1]+A[i],A[i])
而边界条件根据i-1>=0,则i>=1,所以需要单独考虑i=0的情况:
dp[0]=A[0]
这样就不会发生在迭代的时候卡壳的问题。
整个逻辑完成了之后就可以开始代码编写了。
#include <cstdio>
#include <algorithm>
using namespace std;
const int maxn=10010;
int A[maxn],dp[maxn];
int main()
{
//输入数列
int n;
scanf(%d,&n);
for(int i=0;i<n;i++)
{sacnf(%d,&A[i]);}
//数列输入完毕
dp[0]=A[0];
for(int i=1;i<n;i++)
{
dp[i]=max(dp[i-1],A[i]);
}
//已经完成,接下来比较输出
int k=0;
for(int i=1;i<n;i++)
{
if(dp[i]>dp[k])
k=i;
}
printf(%d,&dp[k]);
return dp[k];
}
再来看一个问题
最长回文子串
给出一个字符串S,求S的最长回文子串长度
eg:字符串"PATZJUJZTACCBCC"的最长回文子串为"ATZJUJZTA",长度为9。
怎么判断是不是回文串?这是首要的问题。
传统判断回文的方法:
两头夹:先判断s[0] 与s[len-1],再是s[1]与s[len-1-1],。。。。以此循环
那么判断是不是回文的方法就确定了,这是一个可以分解成子问题的过程。
暴力方法就是遍历所有的子串组合,在这个过程中,有许多的重复计算。
在每次判定的组合里,都会重复之前的步骤,判定某个子串是不是回文。
那么是否需要一个数列,储存之前计算过的关于某子串是不是回文的信息?
这就是优化的地方。
那么判断一个子串是不是回文的DP写法呢?
//伪代码
bool dp[i][j];
if(s[i]==s[j])
dp[i][j]==dp[i+1][j-1]; //j>=1
else if(s[i]!=s[j])
dp[i][j]=0;
我判断我自身是不是回文,只需要先比较我的两头是不是相等,再判断我里面是不是回文,而里面是不是回文这个信息已经在之前计算过了。
这是一个递归的过程。
那么其边界条件需要考虑的:
1.自身与自身,长度为1的回文子串,不能让不能让i+1>j-1
2.根据i+1>j-1,则j>i+2;那么j=i+1的情况呢?要设置为边界条件。
//两条都是根据j>i+2的条件来写的
for(i=0;i<len;i++)
dp[i][i]=1;
dp[i][i+1]=(s[i]==s[i+1])?1:0;
完成了设置后就可以开始写代码了。
#include <iostream>
#include <string>
#define MAXN 1010
using namespace std;
int main()
{
int dp[MAXN][MAXN];//dp只有0和1
string s;
cin>>s>>endl;
int ans=1;
memset(dp,0,sizeof(dp)); //初始化为0
//边界处理
for(int i=0;i<s.size();i++)
{
dp[i][i]=1;
if(i<len-1)
{
dp[i][i+1]=(s[i]==s[i+1])?1:0;
ans=2;
}
}
//这里进行筛选的方式也需要考虑,是根据i,j双循环的方式进行?还是根据固定长度L,遍历完一个长度的序列后再遍历L++的值呢
//看哪种方式能够不卡壳,那么i,j双循环的方式明显不行,选用固定长度方式
for(int L=3;L<s.size();L++)
{ int j=i+L-1
for(int i=1;i+L-1<s.size();i++)
{
if(s[i]==s[j])
dp[i][j]=dp[i+1][j-1];
else
dp[i][j]=0;
}
if(dp[i][j]==1)
ans=j-i+1;
}
return ans;
}
《算法笔记》