目录
别问为什么突然开始动态规划了,因为没时间了啊啊!(等周末考完csp回头再补之前的)
以下内容取自:代码随想录
动态规划基础
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。
解题步骤
状态转移公式(递推公式)是很重要,但动规不仅仅只有递推公式。
对于动态规划问题,我将拆解为如下五步曲,这五步都搞清楚了,才能说把动态规划真的掌握了!
- 确定dp数组(dp table)以及下标的含义
- 确定递推公式
- dp数组如何初始化
- 确定遍历顺序
- 举例推导dp数组
一些同学可能想为什么要先确定递推公式,然后在考虑初始化呢?
因为一些情况是递推公式决定了dp数组要如何初始化!
如何Debug
写动规题目,代码出问题很正常!
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!
做动规的题目,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。
509. 斐波那契数
首先,肯定是可以用递归做的,但O(n^2) ;我们要使用子问题的结果(动态规划)。
动规五部曲:
这里我们要用一个一维dp数组来保存递归的结果
1. 确定dp数组以及下标的含义
dp[i]的定义为:第i个数的斐波那契数值是dp[i]
2. 确定递推公式
为什么这是一道非常简单的入门题目呢?
因为题目已经把递推公式直接给我们了:状态转移方程 dp[i] = dp[i - 1] + dp[i - 2];
3. dp数组如何初始化
题目中把如何初始化也直接给我们了,如下:
dp[0] = 0;
dp[1] = 1;
4. 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的
5. 举例推导dp数组
按照这个递推公式dp[i] = dp[i - 1] + dp[i - 2],我们来推导一下,当N为10的时候,dp数组应该是如下的数列:
0 1 1 2 3 5 8 13 21 34 55
class Solution {
public int fib(int n) {
if(n <= 1) return n;
int dp[] = new int[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];
}
}
按照五个步骤依次进行,芜湖起飞!
70. 爬楼梯
class Solution {
public int climbStairs(int n) {
int[] dp = new int[n+1];
dp[0] = 1;
dp[1] = 1;
for(int i = 2; i <= n; i++){
dp[i] = dp[i-1] + dp[i-2];
}
return dp[n];
}
}
746. 使用最小花费爬楼梯
注意是台阶顶部,而不是最上方的台阶。
import java.lang.Math.*;
class Solution {
public int minCostClimbingStairs(int[] cost) {
int height = cost.length;
int[] dp = new int[height + 1];
dp[0] = 0;
dp[1] = 0;
for(int i=2;i<=height;i++){
dp[i] = Math.min((dp[i-1]+cost[i-1]),(dp[i-2]+cost[i-2]));
}
return dp[height];
}
}
62.不同路径
class Solution {
public int uniquePaths(int m, int n) {
int[][] dp = new int[m][n];
for(int i = 0;i < m;i++){
dp[i][0] = 1;
}
for(int i = 0;i < n;i++){
dp[0][i] = 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];
}
}
63. 不同路径 II
class Solution {
public int uniquePathsWithObstacles(int[][] obstacleGrid) {
int m = obstacleGrid.length;
int n = obstacleGrid[0].length;
int[][] dp = new int[m][n];
for(int i = 0;i < m;i++){
if(obstacleGrid[i][0] == 0){
dp[i][0] = 1;
}else{
break;
}
}
for(int j = 0;j < n;j++){
if(obstacleGrid[0][j] == 0){
dp[0][j] = 1;
}else{
break;
}
}
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];
}
}
注意语法
在 Java 中,二维数组 int[][]
的尺寸(行数和列数)可以通过以下方式获取,类似于一维数组的 length
方法:
1. 获取二维数组的行数
- 行数 = 二维数组本身的
length
。 - 语法:
obstacleGrid.length
(直接访问外层数组的长度)。
int rows = obstacleGrid.length;
2. 获取二维数组的列数
- 列数 = 二维数组中某一行(例如第一行)的
length
。 - 语法:
obstacleGrid[0].length
(假设第一行存在且所有行的长度一致)。
// 先检查数组非空且至少有一行
if (obstacleGrid != null && obstacleGrid.length > 0) {
int cols = obstacleGrid[0].length;
}
在 Java 中,使用 int[][] dp = new int[m][n];
初始化二维数组后,所有元素会被自动初始化为 0(基本类型 int
的默认值),而非 null
。以下是详细解释:
1. 数组初始化规则
- 基本类型数组(如
int[]
、double[]
):所有元素默认值为该类型的零值。int
→0
double
→0.0
boolean
→false
- 对象类型数组(如
Integer[]
、String[]
):所有元素默认值为null
。
2. 二维数组的初始化
- 外层数组(
int[][]
):每个元素是一个int[]
类型的一维数组。 - 内层数组(
int[]
):每个元素是int
类型的基本值。
当通过 new int[m][n]
初始化时:
- 外层数组的每个元素会被初始化为一个长度为
n
的int[]
数组。 - 每个内层数组的所有元素会被初始化为
0
。
343. 整数拆分
class Solution {
public int integerBreak(int n) {
int[] dp = new int[n+1];
dp[1] = 1;
for(int i=2; i<=n; i++){
for(int j=1; j<=i/2; j++){
// 注意每次循环取原先值和此次循环结果的最大值
dp[i] = Math.max(Math.max((dp[i-j]*j),((i-j)*j)),dp[i]);
}
}
return dp[n];
}
}
其实可以从1遍历j,然后有两种渠道得到dp[i].
一个是j * (i - j) 直接相乘。
一个是j * dp[i - j],相当于是拆分(i - j),对这个拆分不理解的话,可以回想dp数组的定义。
那有同学问了,j怎么就不拆分呢?
j是从1开始遍历,拆分j的情况,在遍历j的过程中其实都计算过了。那么从1遍历j,比较(i - j) * j和dp[i - j] * j 取最大的。递推公式:dp[i] = max(dp[i], max((i - j) * j, dp[i - j] * j));
也可以这么理解,j * (i - j) 是单纯的把整数拆分为两个数相乘,而j * dp[i - j]是拆分成两个以及两个以上的个数相乘。
如果定义dp[i - j] * dp[j] 也是默认将一个数强制拆成4份以及4份以上了。