JS算法之动态规划(爬楼梯)
什么是动态规划?
动态规划(Dynamic
Programming,DP)是运筹学的一个分支,是求解决策过程最优化的过程。20世纪50年代初,美国数学家贝尔曼(R.Bellman)等人在研究多阶段决策过程的优化问题时,提出了著名的最优化原理,从而创立了动态规划。动态规划的应用极其广泛,包括工程技术、经济、工业生产、军事以及自动化控制等领域,并在背包问题、生产经营问题、资金管理问题、资源分配问题、最短路径问题和复杂系统可靠性问题等中取得了显著的效果
爬楼梯题目描述
假设你正在爬楼梯。需要 n 阶你才能到达楼顶。
每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢?
注意:给定 n 是一个正整数。
示例 1:
输入: 2
输出: 2
解释: 有两种方法可以爬到楼顶。
- 1 阶 + 1 阶
- 2 阶
示例 2:
输入: 3
输出: 3
解释: 有三种方法可以爬到楼顶。
- 1 阶 + 1 阶 + 1 阶
- 1 阶 + 2 阶
- 2 阶 + 1 阶
分析:
假设楼梯有5阶,
当第一步走一阶时:
剩下的楼梯还有四阶,那么剩下的四阶有几种走法?
当一步走两阶时,
剩下的楼梯有三阶,那么剩下的三阶有几种走法?
问题的规模随着拆分,会变得越来越小,这种将问题拆解,并通过计算小问题的解,最终计算出最优解的思想就是动态规划。
假设走完x阶楼梯有f(x)种走法,那么根据上面的分析一共有这么多的方法可以走完整个楼梯:
f(x) = f(x-1) + f(x-2);
当然我们要确定一下边界值:
当我们走1阶的时候:
dp[1] =1 ;
因为数组的下标存在0,所以dp[0] =1
上面的通式用JS实现:
let allMethods = function(n){
let dp = []
dp[0] =1;
dp[1] = 1;
for( let i = 2 ; i <= n; i ++ ){
dp[i] = dp[i-1] + dp[i-2]
}
return dp[n]
}
此算法的时间复杂度为O(n),空间复杂度为:O(n)。
那么按照上述思想去求解斐波那契数列:
斐波那契数列:
斐波那契数列指的是这样一个数列 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233,377,610,987,1597,2584,4181,6765,10946,17711,28657,46368…
这个数列从第3项开始,每一项都等于前两项之和。
function dynFib(n) {
let Fib= [];
for(let i = 0; i <= n; ++i){
Fib[i]=0;
}
if(n ===1 || n === 2){
return 1;
}
else {
Fib[1] =1;
Fib[2] = 2;
for(let i = 3; i <= n; ++i){
val[i] = Fib[i-1] +Fib[i-2] ;
}
}
return Fib[n-1]
}
利用动态规划求解,是面对复杂问题的一种解决思路。