动态规划（一）

动态规划（一）

dynamic programming：此处的programming表示用的是表格法，非编程的意思 。

类似于分治，通过组合子问题的解来解决原问题。分治将问题划分互不相交的子问题，递归求解子问题，并且将子问题的解结合起来，求得原解。而动态规划要求子子问题重叠。动态规划是递归的优化。当采用递归重复调用相同子问题时，就可以使用动态规划来解决。

问题特征：

• overlapping subproblems(子问题重叠的情况)：即不同子问题具有公共的子子问题，动态规划对每个子子问题只求解一次并存储，避免重复计算。
• optimal substructure(子问题的解可以用于求最终解)：例如，最短路径Shortest Path问题，如果x在u->v的SP上，则SP[u->v]=SP[u->x]+SP[x->v]，应用:Floyd，Bellman-Ford

思想：

1. 将问题化为子问题
2. 找到子问题的最优解
3. 存储子问题的结果(表或者备忘录)
4. 使用子问题的结果，以防止子问题被多次计算
5. 最后计算问题的最终解。

步骤：

1. 确定状态：根据最后一步的情况，化成子问题
2. 转移方程：求最小最大计数等
3. 初始条件和边界情况
4. 确定计算顺序

解决模式：

Memoization（备忘录）：Top Down : 递归+备忘录，自顶向下，记录计算过的值，触底返回

Tabulation（表）：Bottom Up：循环+表，自底向上，从dp[0]一直填充到dp[n]，按顺序填充表，并直接从已知状态计算未知，因此称为制表法。

**例子：**比如求解斐波拉契数列，采用动态规划可以把时间复杂度从指数级别降到多项式级别。采用动态规划，时间复杂度为O(n). Memoization图解、Tabulation图解

// 采用递归，时间复杂度T(n)=2*T(n-1)+1，O(2^n)，指数级
int fib_recur(int n){
	if(n<=1) return n;
	return fib(n-2)+fib(n-1);
}

// Memoization：递归+备忘录 
vector<int> memo(n+1,0);
int fib_Memo(int n){
    if(memo[n]==0){
        if(n<=1) memo[n]=n;
        else memo[n]=fib_Memo(n-1)+fib(n-1);
    }
    return memo[n];
}

// Tabulation ： 循环+表
int fib_Tabul(int n){
	vector<int> F(n+1,0);
	int F[0]=0,F[1]=1;
	for(int i=2;i<=n;i++){
		F[i]=F[i-2]+F[i-1];
	}
	return F[n];
}

最长增长子序列问题

Longest Increasing Subsequence：找到序列中的最长增长序列的长度

例如：Given sequence A={10,22,9,33,21,50,41,60}

可以得到Increasing Subsequence={10}，{9,33,41}，{33,41,60}，{33,50,60}，{41},等

而 LIS = {10,22,33,50,60}，{10,22,33,41,60}，算法返回5

思路：

1. 创建一个数组L[]，用于存放每个元素终止的LIS长度。max(L[]）为结果

2. 假设最后一步将Ak放入LIS，则

   ​ 若存在$A[k]>A[i]$，则$L[k]=max(L[i])+1$

   ​ 若对于所有的$i<k$，有$A[k]<=A[i]$，$L[k]=1$

最长公共子串问题

Longest Common Subsequence: 给定两个序列，找到二者的最长公共子序列。

例如：A=“abcdefg”,B=“abxdfg”,则LCS=“abdfg”

例如求 A[0…m]=“AGGTAB”,B[0…n]=“GXTXAYB”

思路：

1. 创建一个数组L用于存放LCS
2. 转移方程：最后一个元素两种可能，相同或者不同

• 若$A[m-1]==B[n-1]$，$L(A[0...m-1],B[0...n-1])=1+L(A[0..m-2]，Y[0..n-2]）$
• 否则$L(A[0...m-1],B[0...n-1])=max(L(A[0..m-2],Y[0..n-1])，L(A[0..m-2],Y[0..n-1])）$

3. 边界条件，若下标<0，就返回0

编辑距离问题

编辑距离：给定两个字符串A[m]，B[n]，有插入、删除、更改三种操作。计算将A转换为B所需要的最小操作次数。

例如：A =“ geek”，B=“ gesek”，1次，插入s即可

A=“ cat”，B =“ cut”，1次，更改a为u即可

A=“ sunday”，B =“ saturday”，3次，将un转为atur需将n换入r,插入t,插入a

递归思路：

考虑最后两个元素A[m-1],B[n-1]是否相同

• 若相同，则忽略最后一个字符，问题缩小一个长度
• 否则，计算三种此操作的代价，并选取最小+1
  • 插入：计算A[m],B[n-1]
  • 删除：计算A[m-1],B[n]
  • 修改：计算A[m-1],B[n-1]
• 边界：m=0，返回n；若n=0，返回m

优化时间复杂度：建个矩阵(m+1)*(n+1)来记录操作代价，防止递归重复计算

优化空间复杂度：实际每次计算只需要用记录矩阵的一行，只需创一个2*（m+1）的数组即可，+1是为了考虑空字符串。

最低代价路径

Min Cost Path：给定代价矩阵cost[] []且均为正整数，矩阵中的位置(m,n)。要求从(0,0)到(m,n)的最小成本路径的成本。可以往右走，也可以往下走，也可以往下的对角线走。

思路：minCost(m, n) = min (minCost(m-1, n-1), minCost(m-1, n), minCost(m, n-1)) + cost[m] [n]。创建一个二维数据，记录结果即可。

硬币问题

第一种硬币问题说明：

coins面额 S = { S1, S2, … , Sm} ，数量无限，取总面值为W,共有几种方式？

例：coins面额 S={1,2,3}，数量无限，取总面额 W=5，则(1,1,1,1,1),(1,1,1,2),(1,1,3),(1,2,2),(2,3),共5种

例：coins面额={2,3,5,10}，数量无限，取总面额w=15有几种可能？

思路：

分成两种情况：

1. 不包含第Sm个硬币
2. 至少包含1个Sm的硬币

则count(S[],m,n) = count(S[],m-1,W)+count(S[],m,W-Sm)

创建(W+1)*m的零矩阵，用于存储面额

第二种硬币问题：coins面额={2,5,7}，取总面额为27，找出可凑得总面额的硬币数量最小情况。

思路：

假设最后一个硬币面额是A，则$f(27)=f(27-A)+1$，但是最后一个硬币的面额有三种可能，A={2,5,7}，所以 f ( 27 ) = m i n { f ( 27 − 2 ) + 1 , f ( 27 − 5 ) + 1 , f ( 27 − 7 ) + 1 } f(27)=min\{ f(27-2)+1,f(27-5)+1,f(27-7)+1 \} f(27)=min{f(27−2)+1,f(27−5)+1,f(27−7)+1}，因此写作一般情况则为

f ( X ) = m i n { f ( X − 2 ) + 1 , f ( X − 5 ) + 1 , f ( X − 7 ) + 1 } f(X)=min\{f(X-2)+1,f(X-5)+1,f(X-7)+1\} f(X)=min{f(X−2)+1,f(X−5)+1,f(X−7)+1}

然后要处理初始条件和边界情况：

• 边界情况：若X-2,X-5,X-7<0，则数组越界，直接返回无穷。例f[1]=无穷
• 初始值：f[0]=0

机器人走路问题

m*n个格子，机器人只能往下或者往右走，则从左上角走到右下角有几种走法？

思路：

1. 确定状态：

   ​ 根据最后一步的情况，机器人只可能从A(m-2,n-1)或者B(m-1,n-2)两个位置走到终点。假设有X种方式走到A(m-2,n-1)，Y种方式走到B(m-1,n-2)，则共有X+Y种走法。

2. 化成子问题，

   ​ 机器人有几种方式从左上角走到A，有几种方式走到B。这么一来格子的大小就缩小了一行，或者一列。子问题重叠，可用DP解。

3. 转移方程：

   ​ $ f(m,n)=f(m-1,n)+f(m,n-1)$

4. 初始条件和边界情况

   ​ 初始条件：f(0,0)=1

   ​ 边界情况：若m=0, f(m,n)=1;第一行只能从右边走过来

   ​ 若n=0, f(m,n)=1;第一列只能从上边走下来

青蛙跳问题

有n块石头，分别在x轴的0,1,…,n-1位置。一青蛙要从0跳到n-1,在i上最多可以往右跳ai。问青蛙能否跳到n-1。例子a=[2,3,1,1,4] 能，a=[3,2,1,0,4] 不能。

1. 确定状态

   根据最后一跳的情况$k<n-1\&\&k+a[k]>=n-1$

2. 化成子问题

   青蛙能否跳到石头k，子问题重叠，可dp

3. 转移方程

   找到所有能满足条件的k，只要有一个能跳到

4. 初始条件和边界情况

   初始条件：f[0]=true

   边界情况：可以不考虑

动态规划题的题型判断

1. 计数：有多少种方式可以实现结果
2. 求最大最小值：
3. 求存在性

参考资料

1. https://zhuanlan.zhihu.com/p/78220312
2. https://www.youtube.com/watch?v=lVR2u9lsxl8&list=PLdo5W4Nhv31aBrJE1WS4MR9LRfbmZrAQu
3. https://www.bilibili.com/video/av45990457?from=search&seid=6213316788932313952
4. 看蓝色链接点开即可。