动态规划算法

解决问题

• 动态规划基础问题
• 背包问题
• 打家劫舍问题
• 股票问题
• 子序列问题

贪心算法与动态规划算法

• 贪心：局部最优推导全剧最优
• 动态规划：由前（后）几个状态依次推导出其余状态

动态规划五部曲

• 明确下标含义及 dp 数组含义
• 递推公式
• dp数组初始化
• 遍历顺序
• 打印 dp 数组

01背包问题：务必手动模拟

描述	重量	价值
物品0	1	15
物品1	3	20
物品2	4	30

背包最大重量为4.

二维数组实现01背包

• dp[ i ][ j ] 含义：[ 0, i ] 物品任取，存放容量为 j 的背包的最大价值；
• 递推公式：dp[ i ][ j ] = max( dp[ i - 1 ][ j ] , dp[ i - 1 ][ j - weight[ i ] ] + value [ i ] )
  - 不放物品 i ：背包容量为 j ， 所能装最大价值为 dp[ i - 1 ][ j ];
  - 放物品 i ：背包容量为 j ， 所能装最大价值为dp[ i - 1 ][ j - weight[ i ] ] + value [ i ];（背包容量倒退，直到可以留出空间给物品i ）
• 初始化：由递推公式可知，需要初始化 dp[ 0 ][ j ], dp[ i ][ 0 ];
  • dp[ 0 ][ j ] = value[ 0 ] ;
  • dp[ i ][ 0 ] = 0 ;
• 遍历顺序：对于二维数组实现的01背包，两层 for 循环可以颠倒
  • 遍历物品（更好）
  • 遍历背包

一维（滚动）数组实现01背包：滚动数组由二维数组压缩而来

• dp[ j ] 含义：容量为 j 的背包的最大价值；
• 递推公式：dp[ j ] = max( dp[ j ] , dp[ j - weight[ i ] ] + value [ i ] )
  - 不放物品 i ：背包容量为 j ， 所能装最大价值为 dp[ j ];
  - 放物品 i ：背包容量为 j ， 所能装最大价值为dp[ j - weight[ i ] ] + value [ i ];
• 初始化：dp 数组全部为 0
• 遍历顺序：
  • 倒序：保证每个物品只添加一次。本质上还是对二维数组的遍历，并且右下角的值依赖于上一层左上角的值，因此需要保证左边的值仍然是上一层的，从右向左覆盖。
  • 先物品再背包

装满背包有多少种方法？

递归公式：dp[ j ] += nums[ j - nums[ i ] ]；

完全背包理论基础

完全背包与01背包区别：

• 01背包：每件物品使用1次：倒序
• 完全背包：每件物品使用无数次：正序（纯完全背包问题下：物品与背包遍历顺序可以颠倒）

关键代码

// 先遍历物品，再遍历背包
for(int i = 0; i < weight.size(); i++) { // 遍历物品
    for(int j = weight[i]; j <= bagWeight ; j++) { // 遍历背包容量
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}

组合与排列问题

• 求组合：
  • 外层for：物品
  • 内层for：背包
• 求排列：
  • 外层for：背包
  • 内层for：物品

动态规划基础问题

509. 斐波那契数

70. 爬楼梯

746. 使用最小花费爬楼梯

62. 不同路径

63. 不同路径 II

343. 整数拆分

• dp数组极其下标含义：数 i 拆分后最大值为 dp[ i ]
• 递归公式：dp[ i ] = max(dp [ i ], j * ( i - j ), j * dp[ i - j ] );
  • j * ( i - j )为拆为两数情况
  • j * dp[ i - j ]为拆为三数及以上情况
  • dp[i]为每轮保存最大值；

96. 不同的二叉搜索树

• dp数组极其下标含义：由i个节点组成的不同二叉搜索树有dp[i]种
• 递归公式：
• dp[ i ] += dp[ j - 1 ] * dp[ i - j ];
  • dp[j - 1]为左子树种类；
  • p[i - j]为右子树种类。

背包问题

01背包问题

416. 分割等和子集

• 难点：将问题抽象成01背包：元素不能重复使用——01背包
  • 物品：数组元素，物品重量 = 价值 = nums[i];
  • 背包容量：sum / 2；

1049. 最后一块石头的重量 II

• 难点：将问题抽象成01背包：将数组分成两边，两边和越接近，越满足最后结果。同上题一样。

494. 目标和：dp[j] 代表装满背包有几种方法，区别于普通01背包求最大价值。

• 难点：问题转化。将数组分成两部分，一部分为正数，一部分为负数。转化为背包问题。
• dp[j]含义：装满容量为 j 的背包，有dp[j]种方法
• 递推公式： dp[j] += dp[j - nums[i]];
• 初始化： dp[0] = 1, 其余为 0.

474. 一和零

• 难点：物品重量：两个维度0和1
• dp[i][j]含义：i个0，j个1时，最大子集长度为 dp[i][j]
• 递推公式：dp[i][j] = max(dp[i][j], dp[i - x][j - y] + 1);

完全背包问题

518. 零钱兑换 II

377. 组合总和 Ⅳ

link

link

link