动态规划详解:
参考链接:https://leetcode-cn.com/problems/fibonacci-
1、动态规划问题的一般形式就是求最值
。动态规划其实是运筹学的一种最优化方法,只不过在计算机问题上应用比较多,比如说让你求最长递增子序列呀,最小编辑距离呀等等。既然是要求最值,核心问题是什么呢?求解动态规划的核心问题是穷举
。因为要求最值,肯定要把所有可行的答案穷举出来,然后在其中找最值呗。
2、首先,动态规划的穷举有点特别,因为这类问题存在「重叠子问题」
,如果暴力穷举的话效率会极其低下,所以需要「备忘录」或者「DP table」来优化穷举过程
,避免不必要的计算。 而且,动态规划问题一定会具备「最优子结构」
,才能通过子问题的最值得到原问题的最值。
另外,虽然动态规划的核心思想就是穷举求最值
,但是问题可以千变万化,穷举所有可行解其实并不是一件容易的事,只有列出正确的「状态转移方程」才能正确地穷举。
3、动态规划三要素
:重叠子问题、最优子结构、状态转移方程
4、状态转移方程最难的:
`明确「状态」 -> 定义 dp 数组/函数的含义 -> 明确「选择」-> 明确 base case`
一、斐波那契数列(506/)
F(0) = 0, F(1) = 1
F(N) = F(N - 1) + F(N - 2), 其中 N > 1.
1、递归计算(复杂度高,指数级别)(超时)时间复杂度:O(2^N)
class Solution {
public int fib(int N) {
if(N==0 || N==1) return N;
if(N==2) return 1;
return fib(N-1)+fib(N-2);
}
}
缺点:重叠子问题多,比如f(18)算了两次,复杂度为指数级别
2、带备忘录的递归O(N)
class Solution {
public int fib(int N) {
if(N<2) return N;
int [] dp =new int[N+1];
dp[1]=1;
for(int i=2;i<=N;i++){
dp[i]=dp[i-1]+dp[i-2];
}
return dp[N];
}
}
二、爬楼梯,青蛙台阶(70/10)
这个问题可以被分解为一些
包含最优子结构的子问题
,即它的最优解可以从其子问题的最优解来有效地构建,我们可以使用动态规划
来解决这一问题。
第i
阶可以由以下两种方法得到: 在第(i-1)
阶后向上爬1阶。 在第(i-2)
阶后向上爬 2 阶。 令 dp[i] 表示能到达第 i阶的方法总数: 函数dp[i]=dp[i−1]+dp[i−2]
public class Solution {
public int climbStairs(int n) {
if (n == 1) {
return 1;
}
int[] dp = new int[n + 1];
dp[1] = 1;
dp[2] = 2;
for (int i = 3; i <= n; i++) {
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[n]; }
}
class Solution {
public int numWays(int n) {
if (n <=1) return 1;
int[] dp = new int[n + 1];
dp[1] = 1;
dp[2] = 2;
for (int i = 3; i <= n; i++) {
dp[i] = dp[i - 1] + dp[i - 2];
dp[i] %= 1000000007;//题目取模原因
}
return dp[n];
}
}