这已经是本人第三遍学习动态规划了,其实现在脑子里还是乱糟糟的,容我想想怎么总结能有所收获,有所提升。
第一遍单纯地比葫芦画瓢,留下的印象只是要具体问题具体分析,状态转移方程各不相同;
第二遍对DP有了较为系统地认识,认识到了贪心只能达到局部最优,DP可以得到全局最优解;认识到了自底向上分析问题;认识到了状态转移的过程和分析;认识到了逆向求解决策选择情况。
第三遍感觉比前两次有所提升,却还是有点讲不明白到底具体学到了什么,也不想在这里写长篇大论或者都会提及的概念。
通过这篇博客捋一下思路,写一下新的收获和对DP的认识
本章题目使用递归和递推两种方式编写代码,随后会将代码放在github上
传送站
专题要点:
动态规划不是一种算法,而应该是一种解决问题的思想
- 试着复述一下,区分明确一下相关概念:子问题,重叠子问题,最优子结构,阶段,决策,状态,状态转移方程
- dp问题的两种写法:递归和递推(本章题目均用两种方法实现了一下)
- 递推是自底向上实现的(底即为边界);递归是自顶而下实现的(递归的性质,走到边界后,不断向上回退)
- 使用递归实际上是用递归来替代递推中的一层循环,递归的参数是原递推方法中的外循环遍历和内循环变量
- dp与贪心
- 贪心法是自顶向下考虑问题,也是最符合人们的正常思维的,动态规划之所以难懂就是其不太正常的考虑问题的方式;
- 另外贪心法只顾眼前,不考虑全局,往往得到的是局部最优解,动规是全局考虑,贪心法往往可以高效地求出近似解
- dp与分治:尽管都是子问题,但分治法的子问题不重叠,每个子问题都是新出现的,就算存下来备忘录也无法解决
- 在dp问题求解过程中,序列中越靠前的数据,其dp[]值得计算就越靠后,原因在于自底向上的计算方式,因此在对字典序输出有要求时,要考虑到这一点
比较完整地分析dp问题的思考方法:
这篇文章比较清晰易懂,值得一看帮助理解
通过金矿模型介绍动态规划
1、构造问题所对应的过程。
2、思考过程的最后一个步骤,看看有哪些选择情况。
3、找到最后一步的子问题,确保符合“子问题重叠”,**把子问题中不相同的地方设置为参数**。
4、使得子问题符合“最优子结构”。
5、找到边界,考虑边界的各种处理方式。
6、确保满足“子问题独立”,一般而言,如果我们是在多个子问题中选择一个作为实施方案,而不会同时实施多个方案,那么子问题就是独立的。
7、考虑如何做备忘录。
8、分析所需时间是否满足要求。
9、写出转移方程式。
https://www.cnblogs.com/sdjl/articles/1274312.html