蓝桥杯算法基础(36)动态规划dp经典问题详解

复制代码
动态规划
-动态规划方法方法代表了这一类问题(最优子结构or子问题最优性)的有一半解法,是设计方法或者策略,不是具体算法
-本质是递推,核心是找到状态转移的方式,写出dp方程
-形式:记忆性递归
     递推

01背包问题

复制代码
有n个重量和价值分别为wi,vi的物品,从这些物品中挑选出总重量不超过n的物品,求所有挑选方案中的值总和的最大值
1<=n<=1002
1<=wi,vi<=100
1<=w<=10000

输入

    、n=4
      (w,v)={(2,3),(1,2),(3,4),(2,2)}
      w=5
输出
      7{选择第0,1,3号物品}

因为对每个物品只有选和不选两种情况,所以这个问题称为01背包


public class Case_01背包问题{
  static int[] w={2,1,3,2};//重量表
   static int[] v={3,2,4,2};//价值表
   static int n=4;//物品数量
   static int W=5;//背包的承重极限

    public static void main(String[] args){
    int ww=W;
    int ans=dfs(0,ww);
    System.out.println(ans);


    }


  static int dfs(int i,int ww){
    if(w<=0)return 0;//装不进去
    if(i==n)return 0;//每东西可选了

    int v2=dfs(i+1,ww);//不选择当前物品
    if(ww>=w[i]){
    int v1=v[i]+dfs(i+1,ww-w[i]);//选择当前物品
    return max(v1,v2);;
    }else{

    return v2;
    }

  }
static int[][] rec;
}




重叠求解,记忆性递归
重叠子问题,不重复求解
    public static void main(String[] args){
    int ww=W;
    int ans=dfs(0,ww);
    System.out.println(ans);



  rec=new int[n][w+1];
    for(int i=0;i<n;i++){
        Arrays.fill(rec[i],-1);//每一行都填充为-1
    }
    ans=m(m,v,0,n,W);
    System.out.println(ans);



    }


  static int m(int i,int ww){
   mif(w<=0)return 0;//装不进去
    if(i==n)return 0;//每东西可选了

    //计算之前做查询
       if(rec[i][ww]>=0){
       return rec[i][ww];
       }
    int v2=m(i+1,ww);//不选择当前物品
    if(ww>=w[i]){
    int v1=v[i]+m(i+1,ww-w[i]);//选择当前物品
    ans=max(v1,v2);;
    }else{

    ans=v2;
    }
        //计算之后做保存
        rec[i][ww]=ans;
        return ans;
  }



01背包问题dp(dynamic programming)
(w,v)  0   1           2           3              4            5
(2,3)  0   0           3           3              3            3
(1,2)  0   2 要2+0,不要3 5=要2+3,不要3 5=要2+3,不要3 5=要2+3,不要3
(3,4)  0   2           3     5=4+0,5        6=4+2,5      7=4+3,5
(2,2)  0   2           3           5              6            7

定义从小到大的背包,初始化第一行,然后根据第一行去推其他行
看当前背包是否能装下给这个物品,若是装不下,则取上一行相同容量背包的最大价值为当前这个背包的价值
若是能装下,则要比较两种情况,选与不选,若选择这个物品,这加上这个物品的价值,背包则减去这个物品的容量,
剩余的容量肯定比之前小,则在上一行找剩余容量的最大价值,两者相加,即为选择这个物品的最大价值,若是不选,
则取上一行的最大价值为当前最大价值,比较选与不选两者的最大值,取最大值作为当前背包的最大价值
当dp到最后,右下角即为答案


static int dp(){
    int[][] dp=new int[n][w+1];
    //初始化dp表的第一行
    for(int i=0;i<W+1;i++){
            if(i>=w[0]){//每种容量0号的物体
            dp[0][i]=v[0];
            }else{
            dp[0][i]=0;
            }

    }
    //其他行
    for(int i=1;i<n;i++){
        for(int j=0;j<W+1;j++){
            if(j>=w[i]){//要的起
            int i1=v[i]+dp[i-1][j-w[i]];//选择当前物品
            int i2=dp[i-1][j];//不选
            dp[i][j]=max(i1,i2);
            }else{
            dp[i][j]=dp[i-1][j];
            }
        }
    }

    return dp[n-1][W];


}

钢条分割

复制代码
Serling公司,购买长钢条,将其切割为短钢条出售,切割工序本身没有成本支出,公司管理层希望知道最佳的切割方案
假定我们知道Serling公司出售一段长为i英寸的的钢条价格为pi(i=1,2,...单位为美元),钢条长度均为整英寸

| 长度i | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| - | - | - | - | - | - | - | - | - | - |
价格pi  | 1 | 5 | 8 | 16 | 10 | 17 | 17 | 20 | 24 | 30 |

钢条切割问题是这样的,给定一段长度为n英寸的钢条和一个价格表pi(i=1,2...n),求切割钢条方案,使得售价收益rn最大,
注意,如果长度为n英寸的钢条的价值pn足够大,最优解可能就是完全不需要切割

递归->记忆性递归->dp

public class Case_钢条切割{


        //有重复子问题
        static int r(int x){

            if(x==0){
                return 0;

            }
            int ans=0;

            for(int i=1;i<=x;i++){//取不同种切法的最大值
                int v=p[i-1]+r(x-i);//p[i-1即]从不切开始
                ans=max(v,ans);

            }
            return ans;


        }


        static int[] vs=new int[n+1];
        static int r1(int x){

            if(x==0){
                return 0;

            }
            int ans=0;

            for(int i=1;i<=x;i++){//取不同种切法的最大值
                if(vs[x-i]==-1)
                    vs[x-i]=r1(x-i);

                int v=p[i-1]+vs[x-i];//p[i-1]为这么长的钢材不切割时的价钱从不切开始

                ans=max(v,ans);

            }
            vs[x]=ans;
            return ans;


        }



   static int dp(){
   vs[0]=0;
   for(int i=1;i<=n;i++){//拥有钢条长度
        for(int j=1;j<=i;j++){
            vs[i]=max(p[j]+vs[i-j],vs[i]);
        }

   }
   return vs[n];


   }

}

数字三角形

复制代码
在数字三角形中寻找一条从顶部到底边的路径,使得路径上所经过的数字之和最大
路径上的每一步都只能网左下或右下走。只需要求出这个最大和即可,不必给出具体路径。
三角形的行数大于1小于等于100,数字为(0~9)
输入格式:
5//表示三角形的行数。接下来输入三角形

                7
               3 8
              8 1 0
             2 7 4 4
            4 5 2 6 5
要求输出最大和


dfs
public static int maxSumUsingRecursive(int[][] triangle,int i,int j){

        int rowIndex=triangle.length;
        if(i==rowIndex-1){
            return triangle[i][j];
        }else{
                //顶点的值+max(左侧支线的最大值,右侧支路的最大值)
                return triangle[i][j]+Math.max(maxSumUsingRecursive(triangle,i+1,j),maxSumUsingRecursive(triangle,i+1,j+1));

        }

}


dp递推
打表法

public static int maxSumUsingDp(int[][],int i,int j){
    int rowCount=triangle.length;//行数
    int columnCount=triangle[rowCount-1].length;//最后一行的列数
    int[][] dp=new int[rowCount][ColumnCount];
    for(int k=0;k<columnCount;k++){
         dp[rowCount-1][k]=trianle[rowCount-1][k]//初始化最后一行
    }

    for(int k=rowCount-2;k>=0;k--){
        for(int l=0;l<k;l++){
            dp[k][l]=triangle[k][l]+max(dp[k+1][l+1])

        }

    }

    return dp[0][0];

}

可以用滚动数组,来表示,底下一层求完,就没用了,可以覆盖掉


public static int maxSumUsingDp(int[][],int i,int j){
    int rowCount=triangle.length;//行数
    int columnCount=triangle[rowCount-1].length;//最后一行的列数
    int[] dp=new int[ColumnCount];
    for(int k=0;k<columnCount;k++){
         dp[k]=trianle[rowCount-1][k]//初始化最后一行
    }

    for(int k=rowCount-2;k>=0;k--){
        for(int l=0;l<k;l++){
            dp[l]=triangle[k][l]+max(dp[k+1][l+1])

        }

    }

    return dp[0][0];

}

最长公共子序列

复制代码
求最大公共子序列
AB34C
A1BC2结果为ABC
更多案例请看测试用例

ArrayList<Character>dfs(String s1,String s2){
        int len1=s1.length();
        int len2=s2.length();
        ArrayList<Character> ans=new ArrayList<>;
        for(int i=0;i<len1;i++){
            //以i字符开头的公共子序列
            ArrayList<Character> list=new ArrayList<>;
            //和s2的每个字符【【比较
            for(int j=0;j<len2;j++){
                if(s1.charAt(i)==s2.charAt(j)){//如果相同
                list.add(A1.charAt(i));
                list.addAll(dfs(s1.substring(i+1),s2.substring(j+1)));
                break;
                }
            }

            if(list.size()>ans.size()){//以不同字符开头公共序列,求最长
            ans=list;
            }
        }

}

dp
  B A 3 4 C  s1
A 0 1 1 1 1
1 0 1 1 1 1
B 1 1 1 1 1
C 1 1 1 1 2
2 1 1 1 1 2
s2
当找到相同的字符,每个位置,都找左、上、和左上角+1的最大值,若没有找到相同字符,则找左、上 的最大值
String solution(String s1,String s2){
    int len1=s1.length();
    int len2=s2.length();
    int[][] dp=new int[len1+1][len2+1];//动规数组
    int flag=0;
    //初始化第一行
    for(int i=1;i<=len1;i++){
      if(flag==1){
         dp[i][1]=1;
      }else if(s1.charAt(i-1)==s2.charAt(0){
        dp[i][1]=1;
        flag=1;
      }else{
        dp[i][1]=0;
      }

    }

    for(int i=2;i<=len1;i++){//M
          for(int j=2;j<=len2;j++){
                int maxOfleftAndUp=Math.max(dp[i-1][j],dp[i][j-1]);
                if(s1.charAt(i-1)==s2.charAt(j-1)){//从1开始的数组,所以要i-1
                     dp[i][j]=Math.max(maxOfleftAndUp,dp[i-1][j-1]+1);

                }else{
                    dp[i][j]=maxOfLeftAndUp;
                }

          }
    }
        return parseDp(dp,s1,s2);

}


//还原子最长子序列
private String parseDp(int[][] dp,String s1,String s2){
            int M=s1.length();
            int N=s2.length();
            StringBuilder sb=new StringBuilder();
            while(M>0&&N>0){
                //比左和上大,一定是当前位置的字符相等
                if(dp[M][N]>Math.max(dp[M-1][N],dp[M][N-1])){
                    sb.insert(0,s1.charAt(M-1));
                        M--;
                        N--;
                    }else{//一定选择的是左边和上边的大者
                        if(dp[M-1][N]>dp[M][N-1]){
                            M--;//往上移
                        }else{
                            N--;//往左移
                        }

                    }



            }
            return sb.toString();
}

dp状态转移方程
用已知来推未知

完全背包问题

复制代码
有n个重量和价值分别为wi,vi的物品,从这些物品中挑选出总重量不超过w的物品,求所有挑选方案中的价值总和的最大值


(w,v)={(2,3),(1,2),(3,4),(2,2)}


       0  1  2  3  4  5  6  7  8  9  10
(2,3)  0  0  3  3  6  6  9  9 12 12  15
(1,2)  0  2 2+2 2+4......
(3,4)  0  2  4  6
(2,2)


两个核心式子:
拿一个后,剩余容量找当前行和上一行的最大值,一个不拿,找上一行该列的值,比较拿与不拿的最大值
该行前面就包含了不选的情况,当容量不足时,取上一行该容量的价值
因为需要选的物品重量价值不同,会出现当前行的该容量的价值比上一行的价值要大的情况
dp[i][j]=Math.max(v[i]+dp[i][ww-w[i]],dp[i-1][j])
上一行的该列,意味着旧的该容量价值的最大值,新的该容量的价值与旧的取最大值
因此上面求出来的dp还要和上一行dp比较一下
dp[i][j]=Math.max(dp[i][j],d[i-1][j])

最长递增子序列

复制代码
输入4 2 3 1 5 6
输出3(因为 2 3 5 组成了最长递增子序列)
public class Case_最长递增子序列{
        public static void main(String[] args){
            int[] arr={4,2,3,1,5};
            System.out.println(f(arr));

        }

        private static int f(int[] arr){
            for(int i=0;i<arr.length;i++){

                int p=i;
                int cnt=0;
                for(int j=i+1;j<arr.length;j++){
                    if(arr[j]>arr[p]){
                        cnt++;
                        p=j;
                    }

                }
              if(cnt>maxCnt){

              maxCnt=cnt;}

            }
        //maxCnt=max(maxCnt,cnt);


        }
        return maxCnt;

}

dp
4 2 3 1 5 6
1 1 2 1 3 4

并不是说最后一个就是最大递增子序列
把每位求出来,最后再整体作一个max

static int[] dp=new int[arr.length];
private static int dp(int[] arr){
       dp[0]=1;//初始化第一位为1
       for(int i=0;i<arr.length;i++){//每个位置
            cnt=1;
            for(int j=i-1;j>=0;j--){//向前找比当前位置小的
                if(arr[i]>arr[j]){
                cnt=max(dp[j]+1,cnt);
                }
            }
            dp[i]=cnt;
       }
       int ans=-1;
       for(int i=0;i<sb.length;i++){
       ans=max(ans,dp[i]);
       }
    return ans;
}


dp[i]
长度为i最长递增子序列(LIS)最末尾的数

避免陷入思维定势
初始化第一个元素,遍历剩余的元素,若是比最后一个dp元素大,则添加到其后面,若是比它小,则放在dp数组第一个大于arr的元素位置上

4 2 3 1 5 6 4 8 5 9
4[1]
2[1] 3[2]
1[1] 3[2]
1[1] 3[2] 5[3]
1[1] 3[2] 5[3] 6[4]
1[1] 3[2] 4[3] 5[4] 8[5] 9[6]

结果为6


private static int dp1(int[] arr){
    dp=new int[arr.length];

   dp[1]=arr[0];//长度为1的最长递增子序列,初始化为第一个元素
   int p=1;//记录dp更新的最后位置

   for(int i=1;i<arr.length;i++){

    if(arr[i]>dp[p]){
        dp[p+1]=arr[i];
        p++;
    }else{
    //扫描dp数组,替换第一个比arr大的
    //可以用二分法,优化查找
        for(int j=0;j<=0;j++){
            if(dp[i]>arr[i]){
            dp[i]=arr[i];
            break;
            }
        }
     }

   }

    return 0;
}
复制代码
小结
动态规划用于解决多阶段决策最优化问题
三要素:
-阶段
-状态
-决策
两个条件:
-最优子结构(最优化原理)
-无后效性:当前状态是前面状态的完美总结

是否可以用动态规划,否则用搜索
-模型匹配:多做题,掌握经典模型
    一维:上升子序列模型,背包波形
    二维:最长公共子序列问题
-寻找规律:规模由小到大,或者由大到小,做逐步分许
-放宽条件或增加条件
一般过程
  -找到过程演变中变化的量(状态),以及变化的规律(状态转移方程)
  -确定一些初始状态,通常需要dp数组来保存
  -利用状态转移方程,退出最终答案
解法
  -自顶向下,递归:如果有重叠子问题,带备忘录
  -自底向上,递推

    贪心和动规
    可以用局部最优解来推导全局最优解,即动态规划
    贪心:这一阶段的解,由上一阶段直接推导出
    动规:当前问题的最优解,不能从上一阶段子问题简单得出,需要前面多杰阶段多层子问题共同计算出,因此需要保留历史上求解过的子问题及其最优解
相关推荐
诚丞成4 分钟前
滑动窗口篇——如行云流水般的高效解法与智能之道(1)
算法
带多刺的玫瑰2 小时前
Leecode刷题C语言之统计不是特殊数字的数字数量
java·c语言·算法
爱敲代码的憨仔2 小时前
《线性代数的本质》
线性代数·算法·决策树
yigan_Eins2 小时前
【数论】莫比乌斯函数及其反演
c++·经验分享·算法
阿史大杯茶2 小时前
AtCoder Beginner Contest 381(ABCDEF 题)视频讲解
数据结构·c++·算法
დ旧言~2 小时前
【高阶数据结构】图论
算法·深度优先·广度优先·宽度优先·推荐算法
张彦峰ZYF3 小时前
投资策略规划最优决策分析
分布式·算法·金融
The_Ticker3 小时前
CFD平台如何接入实时行情源
java·大数据·数据库·人工智能·算法·区块链·软件工程
爪哇学长3 小时前
双指针算法详解:原理、应用场景及代码示例
java·数据结构·算法
Dola_Pan3 小时前
C语言:数组转换指针的时机
c语言·开发语言·算法