Java数据结构和算法——动态规划做题步骤详细总结

动态规划题目类型

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

动态规划解题步骤

1、确定状态
简单的说，就是解动态规划时需要开一个数组，数组的每个元素f[i]或者f[i][j]代表什么，类似解数学题中，xyz代表什么一样，具体分为下面两个步骤：
-------研究最优策略的最后一步
-------化为子问题
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
初始条件一般都是a[0]、a[1]这种，多看看
边界条件主要是看数组的边界，数组越不越界
4、计算顺序
利用之前的计算结果

动态规划实例讲解

硬币问题

题目：有三种硬币，面值2.5.7，买一本书需要27元，如何用最少的硬币整好付清。

首先经过分析，这是一个求最大最小值问题，可用动态规划来求解。
1、确定状态
（1）最后一步
虽然我们不知道最优策略是什么，但是最优策略一定是k枚硬币a1,a2…ak加起来等于27
所以一定有一枚最后的硬币：ak
除掉这枚硬币，前面硬币的面值相加起来是27-ak，如图
（2）化为子问题
所以就将原问题转化为了子问题：
原问题是最少用多少枚硬币拼出27（k枚）
子问题是最少用多少枚硬币拼出27-ak（k-1枚）

经过这两歩，得出状态：f[X]=最少用多少枚硬币拼出X

2、转移方程
设状态f[X]=最少用多少枚硬币拼出X
转移方程如下
这时，可以用递归进行解题，大致如下
但是有一个问题，递归是从上到下进行计算的，这样的话会产生大量的重复运算
所以说，这不是一个好的解法，解决方法就是将计算结果保存下来，改变计算顺序，我们接着来看。

3、初始条件和边界情况
边界条件X-2，X-5，X-7小于0时，应该进行处理，这种情况其实就是拼不出来的情况，定义为正无穷

初始条件一般就是根据转移方程计算不出来的值，从转移方程变量为0或1来选，根据题目进行分析，这个题目的初始条件就是f[0]=1，代入公式的话应该f[0]为正无穷，显然错误，所以自己定义f[0]=0

4、计算顺序
这个题目应该是正序的，当我们计算到f[X]时，f[X-2],f[X-5],f[X-7]都已经得到结果了

代码：

	//A数组存储硬币金额，M代表商品价值
	public static int coinChange(int[] A, int M) {
   
        int[] f = new int[M + 1];
        f[0] = 0;

        for (int i = 1; i <= M; i++) {
   
            f[i] = Integer.MAX_VALUE;
            for (int j = 0; j < A.length; j++) {
   
            	//第一个条件是防止数组越界；第二个条件是防止MAX_VALUE+1越界
                if (i >= A[j] && f[i - A[j]] != Integer.MAX_VALUE) {
   
                    f[i] = Math.min(f[i], f[i - A[j]] + 1);
                }
            }
        }

        if (f[M] == Integer.MAX_VALUE) {
   
            f[M] = -1;
        }

        return f[M];
    }

机器人路径问题

题目：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，问有多少种不同的方式走到右下角。

可用计数型动态规划来求解。

1、确定状态
（1）最后一步
聚焦机器人最后挪动的一歩，右下角坐标为（m-1，n-1），那么前一步机器人一定在（m-2，n-1）或者（m-1，n-2）

（2）子问题
轻易可得，机器人走到（m-1，n-1）的方式等于机器人走到（m-2，n-1）加上机器人走到（m-1，n-2）
原问题是有多少种方式从左上角走到（m-1，n-1）
子问题是有多少种方式从左上角走到（m-2，n-1）和（m-1，n-2）

经过这两歩，得出状态：f[i][j]为机器人有多少种方式从左上角走到（i，j&