数据结构——动态规划

算法整理六——动态规划 一、概述 基本思想是将待求解问题分解成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解。 动态规划算法的有效性依赖于问题本身所具有的两个重要性质:最优子结构、重叠子问题 1、最优子结构:当问题的最优解包含了其子问题的最优解时,称该问题具有最优子结构性质。 2、重叠子问题: 在解问题时,每次产生的子问题并不总是新问题,有些子问题被反复计算多次。动态规划算法(自底向上)正是利用了这种子问题的重叠性质,对每一个子问题只解一次,而后将其解保存在一个表格中,在以后尽可能多地利用这些子问题的解。 阅读详情

数据结构——动态规划



前言

动态规划(英语:Dynamic programming,简称 DP)是一种在数学、管理科学、计算机科学、经济学和生物信息学中使用的,通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。


一、动态规划是什么?

简单来说,动态规划其实是一种算法思想:若要解一个给定问题,我们需要解其不同部分(即子问题),再根据子问题的解以得出原问题的解。

应用这种算法思想解决问题的可行性,对子问题与原问题的关系,以及子问题之间的关系这两方面有一些要求,它们分别对应了最优子结构和重复子问题。

最优子结构

最优子结构规定的是子问题与原问题的关系

动态规划要解决的都是一些问题的最优解,即从很多解决问题的方案中找到最优的一个。当我们在求一个问题最优解的时候,如果可以把这个问题分解成多个子问题,然后递归地找到每个子问题的最优解,最后通过一定的数学方法对各个子问题的最优解进行组合得出最终的结果。总结来说就是一个问题的最优解是由它的各个子问题的最优解决定的。
在这里插入图片描述

重复子问题

重复子问题规定的是子问题与子问题的关系。

当我们在递归地寻找每个子问题的最优解的时候,有可能会重复地遇到一些更小的子问题,而且这些子问题会重叠地出现在子问题里,出现这样的情况,会有很多重复的计算,动态规划可以保证每个重叠的子问题只会被求解一次。当重复的问题很多的时候,动态规划可以减少很多重复的计算。

重复子问题不是保证解的正确性必须的,但是如果递归求解子问题时,没有出现重复子问题,则没有必要用动态规划,直接普通的递归就可以了。

例如,斐波那契问题的状态转移方程 f(n) = f(n - 1) + f(n - 2)。在求 f(5) 时,需要先求子问题 f(4)和 f(3),得到结果后再组合成原问题 f(5) 的解。递归地求 f(4) 时,又要先求子问题 f(3)和 f(2) ,这里的 f(3) 与求 f(5)时的子问题重复了。在这里插入图片描述
解决动态规划问题的核心:找出子问题及其子问题与原问题的关系

找到了子问题以及子问题与原问题的关系,就可以递归地求解子问题了。但重叠的子问题使得直接递归会有很多重复计算,于是就想到记忆化递归法:若能事先确定子问题的范围就可以建表存储子问题的答案。

动态规划算法中关于最优子结构和重复子问题的理解的关键点:

  • 证明问题的方案中包含一种选择,选择之后留下一个或多个子问题
  • 设计子问题的递归描述方式
  • 证明对原问题的最优解包括了对所有子问题的最优解
  • 证明子问题是重叠的(这一步不是动态规划正确性必需的,但是如果子问题无重叠,则效率与一般递归是相同的)

二、示例

1.最长上升子序

Leecode链接:https://leetcode-cn.com/problems/longest-increasing-subsequence/

题目:300.最长上升子序列

描述:给定一个无序的整数数组,找到其中最长上升子序列的长度。

示例:
输入: [10,9,2,5,3,7,101,18]
输出: 4
解释: 最长的上升子序列是 [2,3,7,101],它的长度是4。

考虑能否将问题规模减小

将问题规模减小的方式有很多种,一些典型的减小方式是动态规划分类的依据,例如线性,区间,树形等。这里考虑数组上常用的两种思路:

每次减少一半:如果每次将问题规模减少一半,原问题有[10,9,2,5],和[3,7,101,18],两个子问题的最优解分别为 [2,5] 和 [3,7,101],但是找不到好的组合方式将两个子问题最优解组合为原问题最优解 [2,5,7,101]。

每次减少一个:记 f(n)为以第 n个数结尾的最长子序列,每次减少一个,将原问题分为 f(n-1), f(n-2), …, f(1),共 n - 1 个子问题。n - 1 = 7 个子问题以及答案如下:

[10, 9, 2, 5, 3, 7, 101] -> [2, 5, 7, 101]
[10, 9, 2, 5, 3, 7] -> [2, 5, 7]
[10, 9, 2, 5, 3] -> [2, 3]
[10, 9, 2, 5] -> [2, 5]
[10, 9, 2] -> [2]
[10, 9] -> [9]
[10] -> [10]

已经有 7 个子问题的最优解之后,可以发现一种组合方式得到原问题的最优解:f(6)的结果 [2,5,7], 7 < 18,同时长度也是 f(1)~f(7)中,结尾小于 18 的结果中最长的。f(7)虽然长度为 4 比 f(6) 长,但结尾是不小于 18 的,无法组合成原问题的解。

以上组合方式可以写成一个式子,即状态转移方程

f(n) = max{f(i)} + 1 其中 i < n 且 a[i] < a[n]

这种思考如何通过 f(1)…f(n-1) 求出 f(n) 的过程实际就是在思考状态转移方程怎么写。

总结: 解决动态规划问题最难的地方有两点:

1. 如何定义 f(n)
2. 如何通过 f(1), f(2), … f(n - 1) 推导出 f(n),即状态转移方程

递归

有了状态转移方程,实际上已经可以直接用递归进行实现了。
代码如下:

int f(vector<int>& nums, int i)
{
    int a = 1;
    for(int j = 0; j < i; ++j)
    {
        if(nums[j] < nums[i])
        ¦   a = max(a, f(nums, j) + 1);
    }
    return a;
}

作者:力扣 (LeetCode)
链接:https://leetcode-cn.com/leetbook/read/dynamic-programming-1-plus/xcos8s/
来源:力扣(LeetCode)

自顶向下(记忆化)

递归的解法需要非常多的重复计算,如果有一种办法能避免这些重复计算,可以节省大量计算时间。记忆化就是基于这个思路的算法。在递归地求解子问题 f(1), f(2)… 过程中,将结果保存到一个表里,在后续求解子问题中如果遇到求过结果的子问题,直接查表去得到答案而不计算。
代码如下:

int f(vector<int>& nums, int i, vector<int>& dp)
{
    if(dp[i] != -1) return dp[i];
    int a = 1;
    for(int j = 0; j < i; ++j)
    {
        if(nums[j] < nums[i])
        ¦   a = max(a, f(nums, j) + 1);
    }
    dp[i] = a;
    return dp[i];
}

作者:力扣 (LeetCode)
链接:https://leetcode-cn.com/leetbook/read/dynamic-programming-1-plus/xcos8s/
来源:力扣(LeetCode)

对于这种将问题规模不断减少的做法,我们把它称为自顶向下的方法。

转载声明

作者:力扣 (LeetCode)
链接:https://leetcode-cn.com/leetbook/read/dynamic-programming-1-plus/xcos8s/
来源:力扣(LeetCode)

动态规划(Dynamic programming)详解 动态规划(Dynamic programming,简称DP)是一种将复杂问题分解成很多子问题,并将子问题的求解结果存储起来避免重复求解的一种算法。动态规划一般用来解决最优问题。而解决问题的过程,需要经历多个决策阶段。每个决策阶段都对应着一组状态。最后通过一组决策序列(动态转移方程),产生最终期望的最优解。 能用动态规划解决的问题,需要满足三个条件:最优子结构,无后效性和子问题重叠。 阅读详情

相关推荐

掌握数据结构与算法动态规划的网络流与动态规划

动态规划和网络流是数据结构与算法领域中非常重要的两个概念。动态规划主要用于解决具有最优子结构和重叠子问题的优化问题,通过将原问题分解为相对简单的子问题,并保存子问题的解来避免重复计算,从而提高算法的效率。网络流则是图论中的一个重要分支,主要研究如何在一个网络中分配资源,以满足特定的流量需求,常见的应用包括最大流、最小费用最大流等问题。本文的目的是帮助读者深入理解动态规划和网络流的基本概念、算法原理,并通过实际案例掌握它们的应用。

AI 算法实战派 1115

算法-动态规划 Dynamic Programming--从菜鸟到老鸟

前言最近在牛客网上做了几套公司的真题,发现有关动态规划(Dynamic Programming)算法的题目很多。相对于我来说,算法里面遇到的问题里面感觉最难的也就是动态规划(Dynamic Programming)算法了,于是花了好长时间,查找了相关的文献和资料准备彻底的理解动态规划(Dynamic Programming)算法。一是帮助自己总结知识点,二是也能够帮助他人更好的理解这个算法。后面的参

有图有真相 48万+

数据结构与算法领域的动态规划策略

动态规划是一种强大的算法设计技术,广泛应用于计算机科学、运筹学、经济学等多个领域。本文的目的是全面深入地介绍动态规划策略,包括其核心概念、算法原理、数学模型、实际应用等方面。通过详细的讲解和具体的示例,帮助读者理解动态规划的思想和方法,掌握动态规划在解决实际问题中的应用技巧。本文的范围涵盖了动态规划的基本理论和常见应用场景,旨在为读者提供一个系统、全面的动态规划学习指南。背景介绍:介绍动态规划的目的、预期读者、文档结构和相关术语。核心概念与联系。

AI 算法实战派 784

【算法】动态规划(Dynamic Programming)

文章目录什么是动态规划算法数字三角形经典递归解法 什么是动态规划算法 总体思想 (1)动态规划算法与分治法类似,其基本思想也是将待求解问题分解成若干个子问题 (2)经分解得到的子问题往往不是互相独立的,有些子问题被重复计算多次 (3)如果能够保存已解决的子问题的答案,而在需要时再找出已求得的答案,就可以避免大量重复计算,从而得到多项式时间算法(备忘录法) (4)图解: 使用动态规划来求解的问题需要具备的基本要素包括: (1)重复子问题 递归算法求解问题时,每次产生的子问题并不总是新问题,有些子

高朗的博客 4万+

数据结构 13.递归、回溯、分治、动态规划

Leetcode部分递归、回溯、分治、动态规划相关练习一、 递归二、回溯1.回溯的概念2. 回溯相关练习51.N皇后利用回溯算法求解 0-1 背包问题三、分治1.分治的概念2.分治算法的基本步骤3.分治相关练习利用分治算法求一组数据的逆序对个数四、动态规划1. 动态规划的概念2.基本思想与策略3. 适用的情况4.动态规划相关练习利用动态规划求解 0-1 背包问题2.2 实现模糊二分查找算法(比如大...

小蜗牛的博客 1059

动态规划算法详解

动态规划算法通常用于求解具有最优性质的问题 基本概念 动态规划过程是:每次决策依赖于当前状态,又随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的,所以,这种多阶段最优化决策解决问题的过程就称为动态规划(DP)。 基本思想与策略 基本思想与分治法类似,也是将待求解的问题分解为若干个子问题(阶段),按顺序求解子阶段,前一子问题的解,为后一子问题的求解提供了有用的信息。在求解任一子问题时,列出各种可能的局部解,通过决策保留那些有可能达到最优的局部解,丢弃其他局部解。...

m0_54615144的博客 2万+

数据结构与算法 — 动态规划算法

数据结构与算法 — 动态规划算法

世界那么大,我想去看看~【随心更新,看世界去了😄】 1231

动态规划与数据结构:算法精髓的探索

本文深入探讨了动态规划在计数问题中的应用,如何通过递推关系来避免重复计算,以及如何利用lower_bound等STL函数简化算法实现。同时,文章介绍了堆、二叉搜索树、并查集等数据结构的原理与应用,通过具体的编程例子展示了它们在解决问题时的高效性。整体上,文章旨在帮助读者理解并掌握动态规划和数据结构在算法设计中的核心地位。

weixin_28487725的博客 428

高级数据结构04动态规划

【代码】高级数据结构04动态规划。

sunshinecandy的博客 581

轴承故障诊断——领域知识

幅域分析、频域分析及轴承方面的领域知识

qq_58516607的博客 3537

I2C总线原理及总线信号的实现

I2C总线是一种多主机总线,连接IIC总线上的器件分为主机和从机,主机有权发起和结束一次通信,而从机只能被主机呼叫;当总线上有多个主机同时启用总线时,I2C也具备冲突检测和仲裁的功能来防止错误产生;每个连接到IIC总线上的器件都有一个唯一的地址(7bit),且每个器件都可以作为主机也可以作为从机(同一时刻只能有一个主机),总线上的器件增加和删除不影响其他器件正常工作;I2C总线在通信时总线上发送数据的器件为发送器,接收数据的器件为接收器;主要用于近距离(抗干扰能力稍弱),低速的芯片之间的通信(传输视频,带宽

YLG_lin的博客 3946

数据结构与算法——动态规划(中)

讲解数据结构与算法——动态规划(中)

caicaptain 233

Multisim 14.0实战:从零搭建可调幅多波形信号发生器(附仿真文件)

本文详细介绍了如何在Multisim 14.0中从零搭建一个可调幅多波形信号发生器,涵盖方波、三角波和正弦波的生成原理与实现步骤。通过核心电路架构解析、关键参数设计及Multisim实战操作,帮助电子工程学习者和硬件工程师掌握信号发生器的设计与调试技巧,并提供仿真文件供实践验证。

nokia的博客 1074

21_动态规划与数据结构结合

老鸟:假设你有一个数组arr,你需要多次查询某个子数组arr[i:j]的和。直接计算会很慢,我们可以用动态规划预处理,再用一种数据结构来快速查询。菜鸟:听起来不错,但具体怎么做呢?老鸟:我们可以先构建一个数组prefixSum,其中表示数组arr从起始位置到i的和。这样每次查询arr[i:j]的和时,可以用来快速计算。菜鸟:这样确实能减少计算量,但构建prefixSum数组需要什么操作呢?老鸟:好问题。我们来看看代码示例。老鸟:今天我们讨论了动态规划与数据结构结合的应用,通过prefixSum。

刘炫320的博客 857

【新能源汽车测试工程师必看!DBC文件50条实战技巧,看懂这篇直接封神】

如果你是新能源汽车研发/测试工程师,还在为信号解析错误、报文找不到、DBC看不懂、实车故障复现不了头疼——那这篇文章,你一定要!在整车电控开发里,DBC = CAN总线的官方字典。没有DBC,报文就是一串乱码;读不懂DBC,测试寸步难行;用不好DBC,排查故障全靠猜。本文总结50条全网最实用、最贴近实车、最能解决问题的DBC技巧,从基础语法到新能源专用信号,从工具操作到故障排错,全部来自一线台架、实车、高压平台实战经验。不废话、不空谈、不玄学,全是能直接落地的硬货!

优快云-新能源汽车研发测试专业博主 1373

鸿蒙ArkUI内部API10以及11开发,输入框唤起输入法键盘,页面会被顶起的解决办法

鸿蒙ArkUI内部API10以及11开发,输入框唤起输入法键盘,页面会被顶起的解决办法

zmx781284440的博客 3215

数据结构预算法与动态规划

动态规划与普通递归的关键区别在于其使用记忆化存储机制,避免对同一子问题的重复计算,从而显著提升算法效率。该方法的核心在于状态定义与状态转移方程的确立,需要设计者准确把握问题本质并构建合适的数学模型。此外,优先队列等高级数据结构在处理特定类型动态规划问题时也能提供独特的优化效果,如在带权图的最短路径计算中。对于子问题重叠度高的问题,采用自底向上的迭代实现通常比自顶向下的递归加记忆化方法更具效率优势。同时,应根据问题规模选择合适的算法变体,对于某些特殊结构的问题,可采用状态机模型或斜率优化等高级技巧。

zx_li的博客 1024

【目标检测】全局上下文感知的详解

目标检测中的全局上下文感知(Global Context Awareness)​是指模型在定位和识别目标时,能够有效利用图像中全局或大范围的上下文信息(如场景语义、目标间关系、空间布局等),而不仅仅依赖局部特征。这种能力显著提升了检测的鲁棒性,尤其是在复杂场景(如遮挡、小目标、密集目标)中表现突出。

浩瀚之水的专栏 650

python数据结构之动态规划

????今天要给大家介绍的内容是数据结构中一种较为重要的思想:动态规划(dynamic programming),听到这里,可能很多小伙伴会觉得这个词很陌生,觉得这是一种很复杂的思想,学习起来很困难,其实并不是这样,动态规划所讲述的知识与动态与规划并无太大关联。对往期内容感兴趣的小伙伴可以参考下面的文章????: python数据类型: python数据结构之数据类型. python的输入输出: python数据结构之输入输出、控制和异常. python数据结构之面向对象: python数据结构之面向对象

柳小葱的博客 1万+

InVEST模型 | HAbitat quality模块计算生境质量

 本文详细介绍使用InVEST模型中HAbitat quality模块计算生境质量,包含各个参数的含义、所需数据、数据处理以及需要各个参数注意的地方等过程。

地理空间科学的博客 1万+

微信小程序 - 最新图片组拖拽排序更换位置功能,类似微信朋友圈九宫格图片的拖动排序效果,微信小程序实现九宫格图片拖拽调换位置,小程序详细实现图像拖曳拖动切换位置排序功能(详细示例代码,一键复制开箱即用

微信小程序,wechat,小程序,图片排序,图像排序,九宫格拖拽排序,拖曳,拖动,拖拽,仿微信朋友圈,朋友圈宫格图片排序,微信朋友圈图片拖动排序效果,实现九宫格图片拖拽,图像拖拽排序组件插件,小程序实现拖拽图片切换图片位置,图片拖动互换位置,图像拖拽切换位置,九宫格图片组合拖动排序,交换九宫格图片的位置,小程序上传图片后,如何实现拖拽排序功能,小程序怎么实现图片拖拽排序,微信小程序图片上传,九宫格拖拽组件,选择图片并拖动_微信小程序图片拖拽,微信小程序长按拖拽排序,图像的拖拽移动,多图拖拽排序功能,实现九宫

✅ 精选推荐文章 4457

动态规划与数据结构的结合——树形DP

本文始发于个人公众号:TechFlow,原创不易,求个关注 今天是算法与数据结构的第15篇,也是动态规划系列的第4篇。 之前的几篇文章当中一直在聊背包问题,不知道大家有没有觉得有些腻味了。虽然经典的文章当中背包一共有九讲,但除了竞赛选手,我们能理解到单调优化就已经非常出色了。像是带有依赖的背包问题,和混合背包问题,有些剑走偏锋,所以这里不多做分享。如果大家感兴趣可以自行百度背包九讲查看,今天我们...

TechFlow的博客 550

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

数据结构与算法——动态规划(上)

讲解数据结构与算法——动态规划(上)

caicaptain 147

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

15.动态规划:数据结构优化DP

数据结构优化DP有前缀和、滑动窗口、树状数组、线段树、单调栈、单调队列

qq_42958831的博客 1932

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

【数据结构】动态规划

将待求解问题分解成若干个子问题,但是经分解得到的子问题往往的,使用分治法求解时,有些子问题被重复计算了许多次。

Hsianus的博客 3327
上一篇: Git上传文件至Gitee远程仓库指令
下一篇: 数据结构——背包问题
Hello_Java_s
博客等级 码龄8年 4粉丝 6原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值