算法学习——动态规划讲解

一、概念

通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划常常适用于有重叠子问题和最优子结构性质的问题。

二、题型特点

• 计数
  • 有多少种方式走到最右下角
• 求最大值最小值
  • 从左上角走到右下角的最大数字和
• 求存在性
  • 能否选出k个数使得和为sum

三、如何使用动态规划

这里先看一道LeetCode题。从这道题来学习如何使用动态规划。

题目链接LeetCode-322

Coin Change

给定不同面额的硬币 coins 和一个总金额 amount。
编写一个函数来计算可以凑成总金额所需的最少的硬币个数。
如果没有任何一种硬币组合能组成总金额，返回 -1。

示例

输入: coins = [1, 2, 5], amount = 11
输出: 3 
解释: 11 = 5 + 5 + 1

该题是一个求最大最小的动态规划算法题。

与递归解法相比，没有重复计算。

3.1 组成部分一：确定状态

确定状态需要有两个注意的点：最后一步、子问题

1.最后一步

肯定是$k$枚硬币加起来等于11。最后一枚硬币值假设是$a_k$，则剩下的$k-1$枚硬币的值为$11-a_k$。

由于是最优解，则11-$a_k$的硬币数一定是最少。

2.子问题

将原问题转换为子问题，最少用多少枚硬币拼出 11 −