算法相关数据结构总结:
序号 | 数据结构 | 文章 |
---|---|---|
1 | 动态规划 | 动态规划之背包问题——01背包 动态规划之背包问题——完全背包 动态规划之打家劫舍系列问题 动态规划之股票买卖系列问题 动态规划之子序列问题 算法(Java)——动态规划 |
2 | 数组 | 算法分析之数组问题 |
3 | 链表 | 算法分析之链表问题 算法(Java)——链表 |
4 | 二叉树 | 算法分析之二叉树 算法分析之二叉树遍历 算法分析之二叉树常见问题 算法(Java)——二叉树 |
5 | 哈希表 | 算法分析之哈希表 算法(Java)——HashMap、HashSet、ArrayList |
6 | 字符串 | 算法分析之字符串 算法(Java)——字符串String |
7 | 栈和队列 | 算法分析之栈和队列 算法(Java)——栈、队列、堆 |
8 | 贪心算法 | 算法分析之贪心算法 |
9 | 回溯 | Java实现回溯算法入门(排列+组合+子集) Java实现回溯算法进阶(搜索) |
10 | 二分查找 | 算法(Java)——二分法查找 |
11 | 双指针、滑动窗口 | 算法(Java)——双指针 算法分析之滑动窗口类问题 |
动态规划是经典算法的一种。在算法中动态规划算法的重要性不容置疑,本博客主要是记载自己在刷题和学习过程中对动态规划的一个理解和总结。
动态规划
定义
动态规划算法是通过拆分问题,定义问题状态和状态之间的关系,使得问题能够以递推(或者说分治)的方式去解决。
动态规划算法的基本思想与分治法类似,也是将待求解的问题分解为若干个子问题(阶段),按顺序求解子阶段,前一子问题的解,为后一子问题的求解提供了有用的信息。在求解任一子问题时,列出各种可能的局部解,通过决策保留那些有可能达到最优的局部解,丢弃其他局部解。依次解决各子问题,最后一个子问题就是初始问题的解。
与分治法最大的差别是:适合于用动态规划法求解的问题,经分解后得到的子问题往往不是互相独立的(即下一个子阶段的求解是建立在上一个子阶段的解的基础上,进行进一步的求解)。
定义比较枯燥,但却是根源。
简单来说:
- 拆分。把问题拆分成一步一步的可以通过递归实现的。动态规划有一类问题就是从后往前推到,有时候我们很容易知道:如果只有一种情况时,最佳的选择应该怎么做.然后根据这个最佳选择往前一步推导,得到前一步的最佳选择。
- 状态定义和状态与状态之间的关系。就是我们设置的动态规划列表,去表示最佳的情况。还有就是状态转移方程,该最佳状态和前状态之间的关系。
- 最优解。我们在保存前一状态时,可以将局部最优解存下来,后面逐步更新,可以降低时间和空间复杂度。
作用
动态规划一般用来解决:
1.计数
有多少种方式走到右下角;
有多少种方法选出k个数使得和为sum;
2.求最大值,最小值
从左上角走到右下角路径和的最大值;
最长公共子序列;
最大连续子数组和;
3.存在性
取石子游戏,先手是不是必胜;
能不能取出k个数,和为sum;
怎么用
1.确定状态(两个核心,最后一步,化成子问题)
根据最后一步,往前推。然后将问题转化成从开始到最后一步的子问题