【动态规划】(一)动态规划理论及基础题目

动态规划理论及基础题目

理论基础

  • 动态规划,英文:Dynamic Programming,简称DP,如果某一问题有很多重叠子问题,使用动态规划是最有效的。

  • 所以动态规划中每一个状态一定是由上一个状态推导出来的,这一点就区分于贪心,贪心没有状态推导,而是从局部直接选最优的。

  • 动态规划是当前的结果取决于上一阶段的结果,因此存在一个递推公式

动态规划做题五部曲:

  1. 确定dp数组(dp table)以及下标的含义
  2. 确定递推公式
  3. dp数组如何初始化
  4. 确定遍历顺序
  5. 打印dp数组

如何debug:

  • 找问题的最好方式就是把dp数组打印出来,看看究竟是不是按照自己思路推导的!
  • 写代码之前一定要把状态转移在dp数组的上具体情况模拟一遍,心中有数,确定最后推出的是想要的结果。
  • 思考以下问题:
    • 是否举例推导状态转移公式?
    • 是否打印dp数组的日志?
    • dp数组打印结果与推导状态时一致?

斐波那契数

力扣链接

斐波那契数,通常用 F(n) 表示,形成的序列称为 斐波那契数列 。该数列由 0 和 1 开始,后面的每一项数字都是前面两项数字的和。也就是: F(0) = 0,F(1) = 1 F(n) = F(n - 1) + F(n - 2),其中 n > 1 给你n ,请计算 F(n) 。

动规五部曲:

  • dp[i]的定义: 第 i 个数的斐波那契数值是dp[i]

  • 确定递推公式: F(n) = F(n - 1) + F(n - 2)

  • dp数组初始化: F(0) = 0,F(1) = 1

  • 确定遍历顺序: 从递归公式dp[i] = dp[i - 1] + dp[i - 2];中可以看出,dp[i]是依赖 dp[i - 1] 和 dp[i - 2],那么遍历的顺序一定是从前到后遍历。

程序实现:

cpp 复制代码
int fib(int n) 
{
	if(n <= 1)
		return n;
	vector<int> dp(n + 1);
	dp[0] = 0;
	dp[1] = 1;
	for(int i = 2; i <= n; i++)
		dp[i] = dp[i-1] + dp[i-2];
	return dp[n];
}

爬楼梯

力扣链接

假设你正在爬楼梯。需要 n ( n > 0)阶你才能到达楼顶。每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢?

示例 1:

输入: 2

输出: 2

示例 2:

输入: 3

输出: 3

思路:

  • 那么第一层楼梯再跨两步就到第三层 ,第二层楼梯再跨一步就到第三层。

  • 所以到第三层楼梯的状态可以由第二层楼梯 和 到第一层楼梯状态推导出来,那么就可以想到动态规划

  • 即要爬到第 i 层,可以由第 i - 1 层跨一步,或者 i - 2 层跨2步到达。

动态规划五部曲:

  • dp[i]的定义: 爬到第 i 层楼梯,有 dp[i] 种方法

  • 确定递推公式:

    • 首先是dp[i - 1],上i-1层楼梯,有dp[i - 1]种方法,那么再一步跳一个台阶不就是dp[i]了么。
    • 还有就是dp[i - 2],上i-2层楼梯,有dp[i - 2]种方法,那么再一步跳两个台阶不就是dp[i]了么
    • 那么dp[i]就是 dp[i - 1]与dp[i - 2]之和,即 dp[i] = dp[i-1] + dp[i-2]
  • dp数组初始化: dp[1] = 1; dp[2] = 2

  • 确定遍历顺序: 从递推公式dp[i] = dp[i - 1] + dp[i - 2]; 中可以看出,遍历顺序一定是从前向后遍历的。

  • 举例推导dp数组

    举例当n为5的时候,dp table(dp数组)应该是这样的

程序实现

cpp 复制代码
int climbStairs(int n) 
{
    if (n <= 2)
        return n;
    vector<int> dp(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];
}

使用最小花费爬楼梯

力扣链接

给定一个整数数组 cost ,其中 cost[i] 是从楼梯第 i 个台阶向上爬需要支付的费用。一旦你支付此费用,即可选择向上爬一个或者两个台阶。

你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯,计算并返回达到楼梯顶部的最低花费

示例 1:

输入:cost = [10,15,20]

输出:15

解释:你将从下标为 1 的台阶开始。

  • 支付 15 ,向上爬两个台阶,到达楼梯顶部。
    总花费为 15 。

示例 2:

输入:cost = [1,100,1,1,1,100,1,1,100,1]

输出:6

动态规划五部曲:

  • dp[i]的定义: 到达第 i 台阶所花费的最少体力为 dp[i]

  • 确定递推公式: 可以有两个途径得到dp[i],一个是dp[i-1] 一个是dp[i-2]。

    • dp[i - 1] 跳到 dp[i] 需要花费 dp[i - 1] + cost[i - 1]。

    • dp[i - 2] 跳到 dp[i] 需要花费 dp[i - 2] + cost[i - 2]。

    • 一定是选最小的,所以

      cpp 复制代码
      dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2]);
  • dp数组初始化: 题意表明可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯,因此 dp[0] = 0,dp[1] = 0

  • 确定遍历顺序: 因为是模拟台阶,而且 dp[i] 由 dp[i-1] dp[i-2]推出,所以是从前到后遍历cost数组就可以了

  • 举例推导dp数组

    拿示例2:cost = [1, 100, 1, 1, 1, 100, 1, 1, 100, 1] ,来模拟一下dp数组的状态变化,如下:

程序实现:

cpp 复制代码
int minCostClimbingStairs(vector<int>& cost) 
{
	if(cost.size() <= 1)
		return 0;
	int size = cost.size();
	vector<int> dp(size + 1);		// 到达第 i 层的最小花费
	dp[0] = 0;
	dp[1] = 0;
	for(int i = 2; i <= size; i++)
		dp[i] = min(dp[i-1] + cost[i-1], dp[i-2] + cost[i-2]);
	// for(int num : dp)
	// 	cout << num << " ";
	// cout << endl;
	return dp[size];
}

不同的路径

力扣链接

一个机器人位于一个 m x n 网格的左上角 (起始点在下图中标记为 "Start" )

机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角(在下图中标记为 "Finish" )。

问总共有多少条不同的路径?

示例 1:

输入:m = 3, n = 7

输出:28

示例 2:

输入:m = 2, n = 3

输出:3

思路:

因为机器人只能向下或者向右移动一格,因此对于 nums[i][j] 只能由上方一格 nums[i-1][j] 或者 左边一格 nums[i][j-1] 移动得到。

动态规划五部曲:

  • dp[i][j]的定义: 从[0,0] 出发到 [i,j] 有 dp[i][j] 条不同的路径。

  • 确定递推公式: 向下移动一格的路径 + 向右移动一格的路径(类似爬楼梯)

    cpp 复制代码
    dp[i][j] = dp[i-1][j] + dp[i][j-1]
  • dp数组初始化:

    • 根据递推公式可以看,需要对第一行与第一列的数组初始化。

    • 第一列的 dp 数组均为1,因为机器人跳到第一列的任何格子的路径只有1条(一直向下),即 dp[i][0] = 1;

    • 第一列的 dp 数组均为1,因为机器人跳到第一行的任何格子的路径只有1条(一直向右),即 dp[0][j] = 1;

    • 其余格子均通过递推公式求得,因此初始化为任何值均可。

    • 因此为了简化程序,dp 数组全部初始化为 1 即可。

      cpp 复制代码
      vector<vector<int>> dp(m, vector<int>(n,1));
  • 确定遍历顺序: 根据递推公式,都是从其上方和左侧推导而来,因此从左到右,从上到下遍历即可。

  • 举例推导dp数组

程序实现:

cpp 复制代码
int uniquePaths(int m, int n) 
{
	vector<vector<int>> dp(m, vector<int>(n,1));
	// 其他块
	for(int i = 1; i < m; i++)
	{
		for(int j = 1; j < n; j++)
		{
			dp[i][j] = dp[i][j-1] + dp[i-1][j]; 
		}
	}		
	return dp[m-1][n-1];
}

不同的路径2

力扣链接

一个机器人位于一个 m x n 网格的左上角 (起始点在下图中标记为"Start" )。

机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角(在下图中标记为"Finish")。

现在考虑网格中有障碍物。那么从左上角到右下角将会有多少条不同的路径?

网格中的障碍物和空位置分别用 1 和 0 来表示。

示例 1:

输入:obstacleGrid = [[0,0,0],[0,1,0],[0,0,0]]

输出:2

本题在上一题-不同的路径的不同点上进行优化

不同点:

  • 本题在递推时需要判断是否遇到障碍物,一旦遇到障碍物时,可走的路径为 0 (可省略,初始化就为0)

    cpp 复制代码
    if(obstacleGrid[i][j] == 0)
    	dp[i][j] = 0;			// 可省略 因为初始化就为 0 
    else
    	dp[i][j] = dp[i][j-1] + dp[i-1][j]; 
  • 在初始化时,第一行/列,在遇到障碍物前,可走路径为1,障碍物后的路径均为 0,不妨初始均为0,即包括第一行/列遇到障碍物后,同时包括递推时遇到障碍物。

    cpp 复制代码
    // 初始化程序优化
    vector<vector<int>> dp(m, vector<int>(n,0));
  • 初始化第一行 / 列 遇到障碍物前路径条数为 1

    cpp 复制代码
    // 第一列
    for(int i = 0; i < m; i++)
    {
    	if(obstacleGrid[i][0])
    		break;
    	else
    		dp[i][0] = 1;
    }
    // 第一行
    for(int  j = 0; j < n; j++)
    {
    	if(obstacleGrid[0][j])
    		break;
    	else
    		dp[0][j] = 1;
    }

程序实现:

cpp 复制代码
int uniquePathsWithObstacles(vector<vector<int>>& obstacleGrid) 
{
	int m = obstacleGrid.size();
	int n = obstacleGrid[0].size();
	
	// 初始化程序优化
	vector<vector<int>> dp(m, vector<int>(n,0));
	// 第一列
	for(int i = 0; i < m; i++)
	{
		if(obstacleGrid[i][0])
			break;
		else
			dp[i][0] = 1;
	}
	// 第一行
	for(int  j = 0; j < n; j++)
	{
		if(obstacleGrid[0][j])
			break;
		else
			dp[0][j] = 1;
	}
		
	// 其他块
	for(int i = 1; i < m; i++)
	{
		for(int j = 1; j < n; j++)
		{
			if(obstacleGrid[i][j] == 0)
				dp[i][j] = 0;
			else
				dp[i][j] = dp[i][j-1] + dp[i-1][j]; 
		}
	}		
	return dp[m-1][n-1];
}

整数拆分

力扣链接

给定一个正整数 n,将其拆分为至少两个正整数的和,并使这些整数的乘积最大化。 返回你可以获得的最大乘积。

示例 1:

输入: 2

输出: 1

输入: 10

输出: 36

解释: 10 = 3 + 3 + 4, 3 × 3 × 4 = 36。

思路

  • 将n拆成2个数,i 和 n - i,乘积为 i * (n - i)

  • 将n拆成多个数(>2),其中一个数为 i,另外数的和为 n - i,乘积为 i * dp[n-i],其中 dp[j] 表示拆分数字 j,可以得到最大的乘积

  • 这里这个想法(dp的含义)其实不是特别好想

动态五部曲

  • dp[i]的定义:拆分数字 i,可得到的最大乘积

  • 递推公式:

    cpp 复制代码
    dp[i] = max(dp[i], max((i - j) * j, dp[i - j] * j));
  • dp数组初始化

    • 严格从 dp[i] 的定义来说,dp[0] dp[1] 就不应该初始化,也就是没有意义的数值
    • 这里只初始化 dp[2] = 1;
  • 确定遍历顺序: 通过递推公式看出,从前向后遍历,先有dp[i - j]再有dp[i],所以顺序为:

    cpp 复制代码
    for (int i = 3; i <= n ; i++) {
        for (int j = 1; j < i - 1; j++) {
            dp[i] = max(dp[i], max((i - j) * j, dp[i - j] * j));
        }
    }
  • 举例推导dp数组: 举例当n为10 的时候,dp数组里的数值,如下:

程序实现:

cpp 复制代码
int integerBreak(int n) 
{
	// dp[i] : i 拆分后得到的最大乘积数
	vector<int> dp(n+1);
	// dp[0] dp[1] 无意义
	dp[0] = dp[1] = 0;	
	dp[2] = 1;
	for(int i = 3; i <= n; i++)
	{
		// 对 i 进行拆分 j 和 i-j
		for(int j = 1; j < i; j++)		
		{
			dp[i] = max(dp[i], max((i - j) * j, dp[i - j] * j));
		}
	}
	return dp[n];
}

不同的二叉搜索树

力扣链接

给定一个整数 n,求以 1 ... n 为节点组成的二叉搜索树有多少种?

示例:

**突破口:**无

思路,画图找规律

当 n = 3 时,可以分为以下几种情况:

  • 当 1 为头结点的时候,其右子树有两个节点,和 n 为 2 的时候两棵树的布局是一样的啊!
  • 当 3 为头结点的时候,其左子树有两个节点,和 n 为 2 的时候两棵树的布局也一样
  • 当 2 为头结点的时候,其左右子树都只有一个节点,和 n 为 1 的时候只有一棵树的布局也是一样的!

致此,发现了重叠子问题,也就是可以通过dp[1] 和 dp[2] 来推导出来dp[3]的某种方式。

dp[3],就是 元素1为头结点搜索树的数量 + 元素2为头结点搜索树的数量 + 元素3为头结点搜索树的数量

元素1为头结点搜索树的数量 = 右子树有2个元素的搜索树数量 * 左子树有0个元素的搜索树数量

元素2为头结点搜索树的数量 = 右子树有1个元素的搜索树数量 * 左子树有1个元素的搜索树数量

元素3为头结点搜索树的数量 = 右子树有0个元素的搜索树数量 * 左子树有2个元素的搜索树数量

有2个元素的搜索树数量就是dp[2]。

有1个元素的搜索树数量就是dp[1]。

有0个元素的搜索树数量就是dp[0]。

所以dp[3] = dp[2] * dp[0] + dp[1] * dp[1] + dp[0] * dp[2]

如图所示:

此时我们已经找到递推关系了,那么可以用动规五部曲再系统分析一遍。

  • dp[i]含义: 1 到 i 为节点组成的二叉搜索树的个数为dp[i]。

  • 确定递推公式: dp[i] += dp[ 以j为头结点左子树节点数量 ] * dp[ 以j为头结点右子树节点数量 ],j相当于是头结点的元素,从1遍历到i为止。所以递推公式:

    cpp 复制代码
    dp[i] += dp[j - 1] * dp[i - j]; 

    j-1 为 j 为头结点左子树节点数量,i-j 为以 j 为头结点右子树节点数量

  • dp数组初始化:

    cpp 复制代码
    dp[0] = 1;	dp[1] = 1;
  • 确定遍历顺序: 通过递推公式看出,节点 i 依靠 i 之前节点数的状态,所以为顺序遍历。

    cpp 复制代码
    for(int i = 2; i <= n; i++)
    {
    	for(int j = 1; j <= i; j++)
    	{
    		dp[i] += dp[j-1] * dp[i-j];
    	}
    }
  • 举例推导dp数组: n为5时候的dp数组状态如图:

程序实现:

cpp 复制代码
int numTrees(int n) 
{
	// dp[i] : 输入 i 能形成的最多二叉搜索树的个数
	vector<int> dp(n+1);
	dp[0] = 1;
	dp[1] = 1;
	for(int i = 2; i <= n; i++)
	{
		for(int j = 1; j <= i; j++)
		{
			dp[i] += dp[j-1] * dp[i-j];
		}
	}
	
	for(int num: dp)
		cout << num << " ";
	
	return dp[n];
}
相关推荐
浮生如梦_1 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
励志成为嵌入式工程师3 小时前
c语言简单编程练习9
c语言·开发语言·算法·vim
捕鲸叉3 小时前
创建线程时传递参数给线程
开发语言·c++·算法
A charmer3 小时前
【C++】vector 类深度解析:探索动态数组的奥秘
开发语言·c++·算法
Peter_chq3 小时前
【操作系统】基于环形队列的生产消费模型
linux·c语言·开发语言·c++·后端
wheeldown4 小时前
【数据结构】选择排序
数据结构·算法·排序算法
青花瓷5 小时前
C++__XCode工程中Debug版本库向Release版本库的切换
c++·xcode
观音山保我别报错5 小时前
C语言扫雷小游戏
c语言·开发语言·算法
幺零九零零6 小时前
【C++】socket套接字编程
linux·服务器·网络·c++
TangKenny6 小时前
计算网络信号
java·算法·华为