程序员算法基础——动态规划
Posted Cocoa开发者社区
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了程序员算法基础——动态规划相关的知识,希望对你有一定的参考价值。
前言
本文以一道BAT常见的算法面试题开篇,引入动态规划的基础概念, 介绍其思考过程。
正文
一、BAT最常见的一道算法面试题——上台阶
有一个楼梯总共n个台阶,只能往上走,每次只能上1个、2个台阶,总共有多少种走法。
解决方案:
1、排列组合;
枚举2的个数,再枚举2具体放的位置;
计算复杂,容易遗漏。
2、动态规划;
dp[n] 表示n个台阶的走法,那么有:
dp[n]=dp[n-1]+dp[n-2];
思路清晰,代码简单。
二、动态规划基础概念
1、动态规划;
动态规划(Dynamic Programming)指的是解最优化问题的一种方法。
2、最优子结构性质;
问题的最优解可以分解为若干子问题,且子问题的解也是最优的;
以上台阶为例,到第i层的最多走法,可以分解为第i-1层和第i-2层的走法之和,且第i-1层和第i-2层的走法也是最多的;
3、 无后效性;
现阶段的决策不会影响未来的决策;
以上台阶为例,走到第i-2层的最多走法,不会因为增加第i-1层而改变;
三、动态规划思考过程
动态规划的思考过程可以总结为:大事化小,小事化了。
大事化小:
一个较大的问题,通过找到与子问题的重叠,把复杂的问题划分为多个小问题,也称为状态转移;
小事化了:
小问题的解决通常是通过初始化,直接计算结果得到;
具体的步骤
1、将大问题分解为子问题
2、确定状态表示
3、确定状态转移
4、考虑初始状态和边界情况
四、另一个经典的例子——数塔
有如图所示的数塔,要求从顶层走到底层,若每一步只能走到相邻的结点,则经过的结点的数字之和最大是多少?
题目链接点
解决思路:
1、大事化小。要到达第i层,先要到达第i-1层。并且第i层的第j个节点,只能由i-1层的第j个和第j-1个节点到达。
我们用dp[i][j]表示,走到第i层第j个位置的数字最大和。
那么有dp[i][j]=max(dp[i-1][j], dp[i-1][j-1]) + a[i][j];
2、小事化了。第1层的第1个节点,初始值为dp[1][1]=a[1][1]。(a[x][y]表示第x层,第y个的值)
五、数塔例子的变形——收集苹果
平面上有N*M个格子,每个格子中放着一定数量的苹果。
你从左上角的格子开始,每一步只能向下走或是向右走,每次走到一个格子上就把格子里的苹果收集起来。这样下去,你最多能收集到多少个苹果。
解决思路:
1、只能向右走或者向下走,要到达第i行第j列的格子的时候,可以由第i-1行第j列或者第i行第j-1列到达,我们用dp[i][j]表示,走到第i行第j列的最多苹果数,那么有:
dp[i][j]=max(dp[i-1][j], dp[i][j-1]) + a[i][j];
2、第1行第1列,初始值为dp[1][1]=a[1][1],注意事项是边界条件的处理。
六、动态规划经典——01背包问题
给定n件物品和一个容量为m的背包,每件物品都会消耗背包的一定容积c[i],并带来一定价值v[i],要求如何选取装入背包中的物品,使得背包内的物品价值最大。
解决思路:
把n件物品放入背包,可以分解为“将前i件物品放入容量为m的背包中”问题。
若只考虑第i件物品的选择,那么问题可以分为两种情况:
1、如果不放第i件物品,问题就转化为“前i-1件物品放入容量为v的背包中”;
2、如果放第i件物品,问题就转化为“前i-1件物品放入剩下的容量为m-c[i]的背包中”;
我们用f[i][j]表示前i个物品,放入容量为j的背包的最大价值,上面的两种情况可以表示为
f[i][j] = max(f[i-1][j], f[i-1][j-c[i]]+v[i]);
初始化条件memset(dp, 0, sizeof(dp));和dp[1][c[1]]=v[1]。
最后遍历f[n][1~m]可以得到最大值。
总结
如果还不能完全理解01背包,那么还需要再仔细理解最优子结构、状态表示和状态转移。
算法能扩展思考方向,完善思维能力。学会“上台阶”、“数塔”、“01背包”这三个题目,能解决算法面试的动态规划部分。
链接:https://www.jianshu.com/p/919cd4e268b1
相关推荐:
以上是关于程序员算法基础——动态规划的主要内容,如果未能解决你的问题,请参考以下文章