动态规划（上）

动态规划

• 1.最优子结构：问题的最优解由相关子问题的最优解组合而成。
• 2.边界：问题的边界，得到有限的结果
• 3.动态转移方程：问题每一阶段和下一阶段的关系。

动态规划需要满足两个条件：

• 问题的状态满足最优性原理。即最优子结构
• 问题的状态必须满足无后效性。即以前出现状况 和 以前状态的变化过程 不会影响 将来的变化。

动态规划题目特点：

• 1.计数：
  • 有多少种方式走到右下角。
  • 有多少种方法选出 k 个数使得和是 Sum。
• 2.求最大值最小值：
  • 从左上角走到右下角路径的最大数字和
  • 最长上升子序列长度
• 3.求存在性：
  • 取石子游戏，先手是否必胜
  • 能不能选出 k 个数使得和是 Sum。

动态规划组成部分：

• 1.确定状态：研究最优策略的最后一步；化成子问题。
• 2.转移方程：根据子问题定义直接得到。
• 3.初始条件和边界情况：边界考虑周全。
• 4.计算顺序：利用之前的计算结果。

常见题型：

1. 求最大最小值动态规划

• 题目描述：有三种硬币，分别面值2元，5元和7元，每种硬币都足够多，买一本书需要27元。如何用 最少 的硬币组合正好付清，不需要对方找钱？ 如果拼不出来则返回-1。
• 解析：$dp[i]$ 表示 $i$ 元的书需要的最少硬币数，所以 $dp[i]=mindp[i-2]+1,dp[i-5]+1,dp[i-7]+1$ 。初始条件 $dp[0]=0$ ,即边界。
• 注意：注意 $dp$ 初始化用无穷大 $float{（}^{\prime }in{f}^{\prime }）$，即如果拼不出则 $dp$ 值为无穷大。

(1)递归解法：

def f(N):
    if N == 0:
        return 0
    res = float('inf')
    if N >= 2:
        res = min(f(N-2)+1, res)
    if N >= 5:
        res = min(f(N-5)+1, res)
    if N >= 7:
        res = min(f(N-7)+1, res)
    return res
# print(f(27))

(2) dp解法：

def coinChange(A, N):
    dp = [0]*(N+1)
    for i in range(1, N+1):
        dp[i] = float('inf')
        for j in range(len(A)):
            if i >= A[j] and dp[i-A[j]] != float('inf'):
                dp[i] = min(dp[i-A[j]]+1, dp[i])
    if dp[N] == float('inf'):
        return -1
    return dp[N]
# print(coinChange([2,5,7], 27))

2. 计数型动态规划

• 题目描述：给定 $m$ 行 $n$ 列的网格，有一个机器人从左上角 $(0,0)$ 出发，每一步可以向下或者向右走一步，问有多少种方式走到右下角？
• 解析：$dp[i][j]$ 表示机器人有多少种方式从左上角走到 $(i,j)$，$dp[i][j]=dp[i-1][j]+dp[i][j-1]$ 。边界：当 $i$ 或 $j$ 等0时，$dp$ 等于1。
• 注意：注意m和n是行数和列数，返回时需减1。

def uniquePaths(m, n):
    dp = [[0 for i in range(n)]for j in range(m)]
    for i in range(m):
        for j in range(n):
            if i == 0 or j == 0:
                dp[i][j] = 1
            else:
                dp[i][j] = dp[i-1][j] + dp[i][j-1]
    return dp[m-1][n-1]
# print(uniquePaths(4, 3))

3. 存在型动态规划

• 题目描述：有 $n$ 块石头分别在x轴的 $0,1，...,n-1$ 位置，一只青蛙在石头0，想跳到石头 $n-1$，如果青蛙在第 $i$ 块石头上，它最多可以向右跳的距离 $a_i$，问青蛙能否跳到石头 $n-1$ ？
• 示例：

输入：a = [2,3,1,1,4]     输出：True
输入：a = [3,2,1,0,4]     输出：False

• 解析：令 $dp[i]$ 表示青蛙能否跳到石头 $i$ 上，状态转移方程为 $f[i]=O{R}_{0<=j<i}(dp[j]and(j+a[i]>=i))$ ， 初始条件 $dp(0)=True$ 。

def canJump(A):
    n = len(A)
    dp = [False]*n
    dp[0] = True
    for i in range(1, n):
        for j in range(i):
            if dp[j] and (j + A[j]) >= i:  # 注意索引i与j不要搞错
                dp[i] = True
                break
    return dp[n-1]
print(canJump([2,3,1,1,4]))
print(canJump([3,2,1,0,4]))

• 注：此题 使用贪心算法（Greedy）更优，时间复杂度为O(n)。