蓝桥杯省赛必考题目之动态规划篇-1

1.动态规划入门篇

1.1 数字三角形初入版

如上图的一个数字三角形，题目要求是从顶部往底部走，寻找出到达底部的最短路径或最长路径，经典题目是寻找最长路径

有一个限制，这个限制是在上面往下面走的过程中，只能往左下走或者往右下走，直到底部。

题解思路，我们可以将题目进行翻转，题目要求从顶到底，那我们可以从底到顶，为什么这样设置，往下看就可以知道，设某一行坐标为(x,y)的点，从底部到(x,y)处的最长路径，要么是(x+1,y)，就是（x+1,y+1) 加上本身的数值（x，y）那便有：

if(x == n){
	return dp[x][y] = triangle[x][y];
}else{
    return dp[x][y\] = Math.max(maxSum(x+1,y), maxSum(x+1,y+1)) + triangle[x\][y\];
}

dp[x][y] = Math.max(maxSum(x+1,y), maxSum(x+1,y+1)) + triangle[x][y];

dp数组是存储从底部到（x,y)的最长路径，maxSum是返回（x,y)最长路径的函数，tiangle就是那个数字三角形。

动态规划的基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。与分治法不同的是，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。

动态规划具有无后效性，什么叫无后效性，简单理解就是现在产生的结果不由后面产生的结果有关，即产生了，就已经是最终结果了。

完整代码

import java.util.*;
class Soluton{
    static int[][] dp = new int[205][205];
    static int n = 0;
    static int[][] triangle = int[205][205];
    public static int maxSum(int x,int y){
        if(dp[x][y] != -1){
            return dp[x][y];
        }
        
        if(x == n){
            return dp[x][y] = triangle[x][y];
        }else{
            return dp[x][y] = Math.max(maxSum(i+1,y),maxSum(i+1,y+1)) + triangle[x][y];
        }
    }
}

同理如果要求最小的路径也是一样的。

题目连接：https://leetcode-cn.com/problems/triangle/

1.2 数字三角形的栈优化

我们知道我们有时候在写题的时候，都会出现段错误等错误，那当我们如果递归的层次过多的时候，我们是否同样会产生栈溢出，那我们能不能不用递归，而用递推，这下总不会产生栈溢出错误了吧。那我们来进行优化一下吧

如果我们从底部开始往上建房子，最底层的地基，已经是固定的了，不能动，往上建房子的时候，每次只能选择左下的材料，或右下的材料，我们要选择最好的。第二层便也随着建立起来了，那每层代表的是什么呢？即dp[x][y]中的xy代表的什么呢？代表的是从地基开始到xy这个点使用的最好材料的总值。那我们一直求到最顶层，不就是建这个房子用材料最大（最好）值了吗？下面我们来coding！

import java.util.*;
public class Main{
    static Scanner sc = new Scanner(System.in);
    public static void main(String[] args){
        int n = sc.nextInt();
        int[][] dp = new int[n+5][n+5];
        int[][] triangle = new int[n+5][n+5];
        for(int i = 0; i < n; ++i){
            for(int j = 0; j <= i; ++j){
                triangle[i][j] = sc.nextInt();
            }
        }
        for(int i = 0; i < n; ++i){
            dp[0][i] = triangle[n-1][i];
        }
        for(int i = 1; i < n; ++i){
            for(int j = 0; j < n - i; ++j){
                dp[i][j] = Math.max(dp[i-1][j],dp[i-1][j+1]) + triangle[n - i - 1][j];
            }
        }
        System.out.println(dp[n-1][0]);
    }
}

1.3 数字三角形的内存优化

处理完段错误，即栈溢出错误后，我们应该思考，是否存在更好的算法，时间上的缩减，亦或是空间上的缩减呢？我们会发现我们从下往上建房子，在建完下面一层后，下面一层是不是没有用处了，那我们能不能以上面一层覆盖下面一层呢？即将空间复杂度由O（n2）缩减为O（n）

7
3 8
8 1 0
2 7 4 4
4 5 2 6 5

如这个数字三角形，在倒数第二行的2的时候，比较4和5，使用5+2=7后，倒数第一行4这个值是不是无法再次使用到了，在计算7（倒数第二行的7）这个点和谁相加的时候，只会使用到正下方和右下方的数字。那我们就可以大胆进行覆盖了。

Coding

import java.util.*;
public class Main{
    static Scanner sc = new Scanner(System.in);
    public static void main(String[] args){
        int n = sc.nextInt();
        int[] dp = new int[n+5];
        int[][] triangle = new int[n+5][n+5];
        for(int i = 0; i < n; ++i){
            for(int j = 0; j <= i; ++j){
                triangle[i][j] = sc.nextInt();
            }
        }
        for(int i = 0; i < n; ++i){
            dp[i] = triangle[n-1][i];
        }
        for(int i = 1; i < n; ++i){
            for(int j = 0; j < n - i; ++j){
                dp[j] = Math.max(dp[j],dp[j+1]) + triangle[n - i - 1][j];
            }
        }
        System.out.println(dp[0]);
    }
}

后面总结引用其他博主的总结方法：

递归到动规的一般转化方法

递归函数有n个参数，就定义一个n维的数组，数组的下标是递归函数参数的取值范围，数组元素的值是递归函数的返回值，这样就可以从边界值开始， 逐步填充数组，相当于计算递归函数值的逆过程。

动规解题的一般思路

1. 将原问题分解为子问题

把原问题分解为若干个子问题，子问题和原问题形式相同或类似，只不过规模变小了。子问题都解决，原问题即解决(数字三角形例）。
子问题的解一旦求出就会被保存，所以每个子问题只需求 解一次。
2.确定状态

在用动态规划解题时，我们往往将和子问题相关的各个变量的一组取值，称之为一个“状 态”。一个“状态”对应于一个或多个子问题， 所谓某个“状态”下的“值”，就是这个“状 态”所对应的子问题的解。
所有“状态”的集合，构成问题的“状态空间”。“状态空间”的大小，与用动态规划解决问题的时间复杂度直接相关。 在数字三角形的例子里，一共有N×(N+1)/2个数字，所以这个问题的状态空间里一共就有N×(N+1)/2个状态。
整个问题的时间复杂度是状态数目乘以计算每个状态所需时间。在数字三角形里每个“状态”只需要经过一次，且在每个状态上作计算所花的时间都是和N无关的常数。

3.确定一些初始状态（边界状态）的值

以“数字三角形”为例，初始状态就是底边数字，值就是底边数字值。

4. 确定状态转移方程

 定义出什么是“状态”，以及在该“状态”下的“值”后，就要找出不同的状态之间如何迁移――即如何从一个或多个“值”已知的 “状态”，求出另一个“状态”的“值”(递推型)。状态的迁移可以用递推公式表示，此递推公式也可被称作“状态转移方程”。

数字三角形的状态转移方程:

​

能用动规解决的问题的特点

1) 问题具有最优子结构性质。如果问题的最优解所包含的 子问题的解也是最优的，我们就称该问题具有最优子结 构性质。

2) 无后效性。当前的若干个状态值一旦确定，则此后过程的演变就只和这若干个状态的值有关，和之前是采取哪种手段或经过哪条路径演变到当前的这若干个状态，没有关系。

————————————————
版权声明：本文为CSDN博主「ChrisYoung1314」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/baidu_28312631/article/details/47418773