极小化极大和动态规划之间的故事 1

极小化极大和动态规划之间的故事 1

今天探讨一下极小化极大和动态规划之间的联系。

1 为什么这两者会有联系？

动态规划问题的关键是，能把一个大问题拆分成若干个小问题，并且这些小问题被重复调用；而极小化极大很多时候被用来解决博弈问题，两个人博弈到最后，问题规模通常来说都会变得更小（比如说下棋下到最后双方剩下的子力都很少）。因此这两者之间有联系是合理的。具体这两件事之间到底有什么关系，通过一些难度不大的问题，就很容易看出来了。

2 Leetcode 292 Nim游戏

    你和你的朋友，两个人一起玩 Nim 游戏：桌子上有一堆石头，每次你们轮流拿掉 
1 - 3 块石头。 拿掉最后一块石头的人就是获胜者。你作为先手。
    你们是聪明人，每一步都是最优解。 编写一个函数，来判断你是否可以在给定石
头数量的情况下赢得游戏。

示例:
输入: 4
输出: false 
解释: 如果堆中有 4 块石头，那么你永远不会赢得比赛；
      因为无论你拿走 1 块、2 块 还是 3 块石头，最后一块石头总是会被你的朋友
      拿走。

2.1 直接递归

现在甲乙两个人玩这个游戏，某个时候轮到甲拿石头，如果这个时候桌子上的石头少于4颗，那么甲直接全部拿走就可以了；如果多于3颗，甲就要想办法拿走若干颗石头，使得乙在剩下的石头中，无论怎么拿都会输掉。同样地，对于乙来说，轮到这个人的时候他也是这么做的。所以，对于甲来说，他有三种拿石头的方法，分别是拿走1颗，2颗或者3颗，只要这三种方法当中，有一种使得乙面对剩下的石头无法获胜，甲就可以获胜了。实现的代码如下：

class Solution 
{
   
public:
    bool canWinNim(int n) 
    {
   
        if (n <= 3) {
    return true; }
        return !canWinNim(n - 1) || !canWinNim(n - 2) 
        	|| !canWinNim(n - 3);
    }
};

2.2 动态规划

这样子显然是会TLE的，因为重复计算了很多次，应该把计算过的值保存起来，重复调用的时候直接返回结果，这就是动态规划的思想。实现的代码如下：

class Solution 
{
   
public:
    bool canWinNim(int n) 
    {
   
        vector<int> dp(n + 1, -1);
        return dynamicPro(n, dp);
    }
    bool dynamicPro(int n, vector<int>& dp)
    {
   
        if (dp[n] >= 0) {