简述

如果某一问题存在很多重叠子问题,使用动态规划是非常有效的。

动态规划与贪心

  • 贪心:每次都选择局部最优解
  • 动态规划:每个状态都是由前一个状态推导得到

动态规划解题步骤

  1. 确定 dp数组 及下标的含义
  2. 确定递推公式
  3. dp数组 初始化
  4. 确定遍历顺序

LeeCode 509:斐波那契数

题目描述

斐波那契数(通常使用 F(n) 表示)形成的序列称为斐波那契数列。该数列由 01 开始,后面的每一项数字都是前面两项数字的和。即 \(F(0) = 0;F(1) = 1; F(n) = F(n - 1) + F(n - 2) \quad n > 1\)。给定 n ,请计算 F(n)

建立模型

  • 确定dp数组及下标的含义, 这里省略了dp数组(当前状态只和前两个状态有关), 借用两个参数a, b来代替. 数组的含义为 F(i)
  • 确定递推公式, dp[i] = dp[i - 1] + dp[i - 2] 即 res = a + b
  • dp数组初始化, dp[0] = 0, dp[1] = 1 即 a = 0, b = 1
  • 确定遍历顺序, 2 ~ n顺序遍历

代码实现

public int fib(int n) {
if (n <= 1) {
return n;
} int a = 0, b = 1;
int res = 1;
for (int i = 2; i <= n; i++) {
res = a + b;
a = b;
b = res;
} return res;
}

LeeCode 70:爬楼梯

题目描述

假设你正在爬楼梯,需要 n 阶你才能到达楼顶。每次你可以爬 12 个台阶。你有多少种不同的方法可以爬到楼顶呢?

建立模型

此题与斐波那契数列属于同一题, 不过此次笔者没有省略 dp数组.

  • 确定dp数组及下标的含义, 数组的含义为爬到第 i 阶楼梯的方法数
  • 确定递推公式 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, 3~n 顺序遍历

代码实现

public int climbStairs(int n) {
if (n <= 2) {
return n;
} int[] dp = new int[n + 1]; // dp数组初始化
dp[1] = 1;
dp[2] = 2; for (int i = 3; i < dp.length; i++) {
dp[i] = dp[i - 1] + dp[i - 2];
} return dp[n];
}

LeeCode 746:使用最小花费爬楼梯

题目描述

给你一个整数数组 cost ,其中 cost[i] 是从第 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。

请你计算并返回达到楼梯顶部的最低花费。

建立模型

  • 确定dp数组及下标的含义, 数组的含义为到达第 i 个台阶的最小花费
  • 确定递推公式 dp[i] = Math.min(dp[i - 1] + dp[i - 2]) + cost[i]
  • 初始化dp数组, dp[0] = cost[0], dp[1] = cost[1]
  • 确定遍历顺序, 从 2~n 顺序遍历

代码实现

public int minCostClimbingStairs(int[] cost) {
if (cost.length == 2) {
return Math.min(cost[0], cost[1]);
} int[] dp = new int[cost.length]; dp[0] = cost[0];
dp[1] = cost[1]; for (int i = 2; i < dp.length; i++) {
/**
* 递推数组
* 爬到第 i 阶楼梯的方式包括 从 i - 1 阶爬一个台阶 和 从 i - 2 阶爬两个台阶
* 取其中的花费较小者
*/
dp[i] = Math.min(dp[i - 1], dp[i - 2]) + cost[i];
} /**
* 到达顶部的花费选择 倒数第一个台阶和倒数第二个台阶的较小者
*/
return Math.min(dp[cost.length - 1], dp[cost.length - 2]);
}

LeeCode 62:不同路径

题目描述

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?

建立模型

  • 确定dp数组及下标含义, 数组的含义为到达第i行第j列的路径总数
  • 确定递推公式 dp[i][j] = dp[i - 1][j] + dp[i][j - 1]
  • 初始化dp数组, 第0行和第0列全都初始化为1
  • 确定遍历顺序, 外循环从左至右, 内循环从上至下

代码实现

public int uniquePaths(int m, int n) {
int[][] dp = new int[m][n]; // dp数组初始化
// 第 0 行初始化
for (int i = 0; i < n; i++) {
dp[0][i] = 1;
}
// 第 0 列初始化
for (int j = 0; j < m; j++) {
dp[j][0] = 1;
} for (int i = 1; i < m; i++) {
for (int j = 1; j < n; j++) {
dp[i][j] = dp[i - 1][j] + dp[i][j - 1];
}
} return dp[m - 1][n - 1]; }

LeeCode 63:不同路径II

题目描述

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。

建立模型

  • 确定dp数组及下标的含义, 数组的含义为到达第i行第j列的路径总数
  • 确定递推公式 dp[i][j] = dp[i - 1][j] + dp[i][j - 1], 对于网格中的障碍物有dp[i][j] = 0
  • 初始化dp数组, dp[0][0]根据是否有障碍物初始化为0或1, 对于第0行, 则根据左边是否有障碍物初始化为0或1, 第0列则根据上边是否有障碍无初始化为0或1
  • 确定遍历顺序, 外循环从左至右, 内循环从上至下

代码实现

public int uniquePathsWithObstacles(int[][] obstacleGrid) {
int m = obstacleGrid.length;
int n = obstacleGrid[0].length; int[][] dp = new int[m][n]; // dp数组初始化
if (obstacleGrid[0][0] == 1) {
dp[0][0] = 0;
}
else {
dp[0][0] = 1;
} // 第 0 行初始化
for (int i = 1; i < n; i++) {
if (obstacleGrid[0][i] == 1) {
dp[0][i] = 0;
}
else {
dp[0][i] = dp[0][i - 1];
}
} // 第 0 列初始化
for (int j = 1; j < m; j++) {
if (obstacleGrid[j][0] == 1) {
dp[j][0] = 0;
}
else {
dp[j][0] = dp[j - 1][0];
}
} // 遍历dp数组
for (int i = 1; i < m; i++) {
for (int j = 1; j < n; j++) {
if (obstacleGrid[i][j] == 1) {
dp[i][j] = 0;
}
else {
dp[i][j] = dp[i - 1][j] + dp[i][j - 1];
}
}
} return dp[m - 1][n - 1];
}

LeeCode 343:整数拆分

题目描述

给定一个正整数 n ,将其拆分为 k正整数 的和( k >= 2 ),并使这些整数的乘积最大化。

返回 你可以获得的最大乘积

建立模型

  • 确定dp数组及下标的含义, 数组的含义为 i 可拆分成的乘积最大值
  • 确定递推公式 dp[i] = MAX(Math.max(j * (i - j), j * dp[i - j])) (1 <= j < i)
  • 初始化dp数组, 全都初始化为0
  • 确定遍历顺序, i -> 2~n, j -> 1~(i-1)

代码实现

public int integerBreak(int n) {
int[] dp = new int[n + 1]; for (int i = 2; i <= n; i++) {
int max_value = 0;
for (int j = 1; j < i; j++) {
/**
* j * (i - j) 表示 (i - j) 不继续拆分的乘积值
* j * dp[i - j] 表示 (i - j) 继续拆分的乘积值
*/
max_value = Math.max(max_value, Math.max(j * (i - j), j * dp[i - j]));
}
dp[i] = max_value;
} return dp[n];
}

LeeCode 96:不同的二叉搜索树

题目描述

给你一个整数 n ,求恰由 n 个节点组成且节点值从 1n 互不相同的 二叉搜索树 有多少种?返回满足题意的二叉搜索树的种数。

建立模型

  • 确实dp数组及其下标的含义, 数组的含义为 i 个节点能构成的不同的二叉搜索树

  • 初始化dp数组, dp[0] = dp[1] = 1, 空树或单节点的树只有一种

  • 确定递推公式, dp[i] += dp[j] * dp[i - j - 1], 该公式的意思为依次遍历每个

    数字将其作为根节点, 将 1~j-1 作为左子树, j+1~i 作为右子树, 同时左右子树也

    需要满足是二叉搜索树, 且由于根值不同, 可以保证每棵二叉搜索树都是不同的, 所以

    该问题就转化成了两个规模更小的问题。

  • 确定遍历顺序, i -> 2~n, j -> 1~i

代码实现

public int numTrees(int n) {
int[] dp = new int[n + 1]; // dp数组初始化
dp[0] = 1;
dp[1] = 1; // 遍历数组
for (int i = 2; i <= n; i++) {
for (int j = 1; j <= i; j++) {
dp[i] += dp[j - 1] * dp[i - j];
}
} return dp[n];
}

LeeCode 动态规划(一)的更多相关文章

  1. 好像leeceode题目我的博客太长了,需要重新建立一个. leecode刷题第二个

    376. Wiggle Subsequence               自己没想出来,看了别人的分析. 主要是要分析出升序降序只跟临近的2个决定.虽然直觉上不是这样. 455. 分发饼干     ...

  2. 算法题思路总结和leecode继续历程

    2018-05-03 刷了牛客网的题目:总结思路(总的思路跟数学一样就是化简和转化) 具体启发点: 1.对数据进行预处理排序的思想:比如8皇后问题 2.对一个数组元素进行比较的操作,如果复杂,可以试试 ...

  3. 增强学习(三)----- MDP的动态规划解法

    上一篇我们已经说到了,增强学习的目的就是求解马尔可夫决策过程(MDP)的最优策略,使其在任意初始状态下,都能获得最大的Vπ值.(本文不考虑非马尔可夫环境和不完全可观测马尔可夫决策过程(POMDP)中的 ...

  4. 简单动态规划-LeetCode198

    题目:House Robber You are a professional robber planning to rob houses along a street. Each house has ...

  5. leecode系列--Two Sum

    学习这件事在任何时间都不能停下.准备坚持刷leecode来提高自己,也会把自己的解答过程记录下来,希望能进步. Two Sum Given an array of integers, return i ...

  6. 动态规划 Dynamic Programming

    March 26, 2013 作者:Hawstein 出处:http://hawstein.com/posts/dp-novice-to-advanced.html 声明:本文采用以下协议进行授权: ...

  7. 动态规划之最长公共子序列(LCS)

    转自:http://segmentfault.com/blog/exploring/ LCS 问题描述 定义: 一个数列 S,如果分别是两个或多个已知数列的子序列,且是所有符合此条件序列中最长的,则 ...

  8. C#动态规划查找两个字符串最大子串

     //动态规划查找两个字符串最大子串         public static string lcs(string word1, string word2)         {            ...

  9. C#递归、动态规划计算斐波那契数列

    //递归         public static long recurFib(int num)         {             if (num < 2)              ...

  10. 动态规划求最长公共子序列(Longest Common Subsequence, LCS)

    1. 问题描述 子串应该比较好理解,至于什么是子序列,这里给出一个例子:有两个母串 cnblogs belong 比如序列bo, bg, lg在母串cnblogs与belong中都出现过并且出现顺序与 ...

随机推荐

  1. 升级openssl版本

    一.安装步骤 1.下载openssl安装包 2.编译安装 3.备份旧版本openssl 4.添加软连接 5.添加OpenSSL动态链接库并使其生效 二.下载openssl安装包 [root@local ...

  2. linux查看所有的用户和组信息

    1.cat /etc/passwd    查看所有用户 2.cat /etc/passwd|grep 用户名,用于查找某个用户 3.cat /etc/group查看所有组信息 4.cat /etc/g ...

  3. javaweb本地启动很快,服务器上面启动特别慢

    在JVM环境中解决 打开$JAVA_PATH/jre/lib/security/java.security这个文件,找到下面的内容: securerandom.source=file:/dev/ura ...

  4. Zookeeper分布式服务

    Zookeeper(CP) 以集群的方式[leader和follower]为分布式应用提供协调服务.负责存储和管理大家都关系的数据,接受观察者注册.消息分发等服务 特点: 只要有半数以上的节点存活就能 ...

  5. (五).JavaScript的函数

    1. 函数 1.1 函数基础简介 函数介绍 函数:具有特定功能的代码块 本质:一种对象数据类型 功能:1. 代码复用 2. 项目模块化 函数组成(两者必须同时存在): 1. 函数定义 2. 函数调用 ...

  6. PCRaster安装

    改了很久才import成功.期间查了不少东西,虽然大部分没用上,但还是记录一下. PCRaster的安装和个人的最终解决方法 Software for environmental modelling ...

  7. python学习记录(一)-基础

    交换变量值 a,b = 10,20 print(a,b) #10 20 a,b = b,a print(a,b) #20 10 大字符串 str = '''最近在看的动漫: 黑之契约者.咒术回战... ...

  8. jenkins启动失败,查看状态提示active(exited)

    chown -R jenkins:jenkins /var/lib/jenkins chown -R jenkins:jenkins /var/cache/jenkins chown -R jenki ...

  9. WinForm中的MVC模式--MVP模式

    本文主要介绍MVC模式在WINFORM中的实现,其实砖家们都称它为MVP模式,小弟E文不太好,真的是记不住那个P怎么拼写的.. MVC模式主要解决的问题就是将表示层和业务层进行分离,在以往做WINFO ...

  10. Codeforces Round #803 (Div. 2) A-D 刚vp完还没补题

    Codeforces Round #803 (Div. 2) 2022/7/24 上午VP 传送门:https://codeforces.com/contest/1698 A. XOR Mixup 随 ...