1、DP算法思想
(1)将待求解的问题分解称若干个子问题,并存储子问题的解而避免计算重复的子问题,并由子问题的解得到原问题的解。
(2)动态规划算法通常用于求解具有某种最有性质的问题。
(3)动态规划算法的基本要素:最优子结构性质和重叠子问题。
最优子结构性质:问题的最优解包含着它的子问题的最优解。即不管前面的策略如何,此后的决策必须是基于当前状态(由上一次的决策产生)的最优决策。
重叠子问题:在用递归算法自顶向下解问题时,每次产生的子问题并不总是新问题,有些问题被反复计算多次。对每个子问题只解一次,然后将其解保存起来,
以后再遇到同样的问题时就可以直接引用,不必重新求解。
2、DP算法——解决问题的基本特征
(1)动态规划一般求解最值(最优、最大、最小、最长)问题;
(2)动态规划解决 的问题一般是离散的,可以分解的(划分阶段的)。
(3)动态规划结局的问题必须包含最优子结构,即可以有(n-1)的最优推导出n的最优。
3、DP算法——解决问题的基本步骤
动态规划算法的四个步骤:
(1)刻画最优解的结构特性。(一维、二维、三维数组);
(2)递归的定义最优解。(状态转移方程)
(3)以自底向上的方法来计算最优解。
(4)从计算得到的解来构造一个最优解。
下面我们就以平衡二叉树的动态DP实现为例,了解一下动态DP的实现。
一、首先,我们了解一下平衡二叉树。
1. 它是一 棵空树或它的左右两个子树的高度差的绝对值不超过1
2.并且左右两个子树都是一棵平衡二叉树。
二、对于一颗平衡二叉树所有的子树,需要同时满足以下条件
1、保证左子树是平衡二叉树
2、保证右子树是平衡二叉树
3、|左树高度-右树高度| <= 1
三个条件同时满足才是平衡二叉树
平衡二叉树的实现(java)
//定义二叉树的结构
public static class Node