动态规划(Dynamic Programming，DP)解析

最新推荐文章于 2022-10-11 10:45:39 发布

「已注销」

最新推荐文章于 2022-10-11 10:45:39 发布

阅读量191

点赞数

分类专栏：算法及数据结构文章标签：动态规划

本文链接：https://blog.csdn.net/wolaoda13/article/details/113699644

版权

算法及数据结构专栏收录该内容

1 篇文章 0 订阅

订阅专栏

一.概念：

动态规划与分治方法相似，都是通过组合子问题的解来求解原问题。动态规划应用于子问题重叠的情况，即不同的子问题具有公共的子问题，再这种情况下，分治算法会做许多不必要的重复工作。而动态规划算法对每个子问题的求解只有一次，将子问题的解保存起来，从而避免了不必要的重复计算工作。

动态规划有两种等价的实现方法

1.带备忘的自顶向下法：递归实现，子问题的解保存起来

2.自底向上法：当求解某个子问题时，他所依赖的更小的子问题都已经求解完毕

二.斐波那契数列

斐波那契数列（Fibonacci sequence），又称黄金分割数列，因数学家莱昂纳多·斐波那契（Leonardoda Fibonacci）以兔子繁殖为例子而引入，故又称为“兔子数列”，指的是这样一个数列：

0、1、1、2、3、5、8、13、21、34、55..... 这个数列从第3项开始，每一项都等于前两项之和

(1)递归方式 (自顶向下)

    public int fib_recur(int i){
        if(i == 0 || i == 1){
            return i;
        }else{
            //递归调用
            return fib_recur(i-1)+fib_recur(i-2);
        }
    }

代码实现起来比较简单,使用递归方式计算传入的项数的斐波那契的值，我们以传入参数5,查看递归执行的次数

根据图中执行可以看出，取斐波那契第5项的值，递归调用方法达到15次，时间复杂度相当于O(2^n)。仔细观察可以看出，实际我们需要的仅是传入参数的前置所有的项即可，但在递归调用中，前置项成指数级调用增长(图中带有背景色的可以认为是重复调用(公共的子问题))。

(2)动态规划(自底向上)

    public int fib_dp(int i){
        //dp数组，自底向上计算
        int[] dpNums = new int[i+1];
        dpNums[0] = 0;
        dpNums[1] = 1;
        for(int z = 2; z <= i ; z++){
            dpNums[z] = dpNums[z-1] + dpNums[z-2];
        }
        return dpNums[i];
    }