从零开始算法篇之动态规划(三)

动态规划入门篇 大家好,我是耀星,相信大家在学习算法时会遇到很多的问题,当然我在学习时也会遇到问题, 动态规划与递归的关系 动态规划和递归非常的相似,都是通过组合子问题的解来求解原问题,且一般递归的问题都可以转化为动态规划,咱们举个简单的例子👇斐波那契数列。 第i个斐波那契数列值F[i]=F[i-1]+F[i-2],如果我们想知道F[n],那么我们就必须要知道F[n-1]和F[n-2]的值,如果采用递归的思路,将F[n]拆分成求F[n-1]+F[n-2],将原问题拆分成子问题求解,不同的子问题又有公... 阅读详情

1. 回顾

此篇和笔者之前记录的背包九讲系列笔记接轨,现在回顾下笔者总结的背包九讲的一些内容:

  • 背一中,使用滚转数组优化了空间复杂度,针对不同的问题,初始状态的赋值也会相应不同。
  • 背二中,对于输入数据提前优化,减少待处理数据量的,这种排序优化应该保证是稳定的。然后对于选多件物品的问题,又可以使用二进制优化,将原本 O ( n ) O(n) O(n)的复杂度降低到 O ( l o g n ) O(logn) O(logn),最后针对完全背包问题,将简单的使01背包的v递增就得以解决。
  • 背三中,解决一个可行性问题,对于该问题重新定义 F [ i , j ] F[i,j] F[i,j]为前i件物品在填满空间为j的背包最多还剩下几件第i件物品。状态转移方程分为两个,首先更新F[i,j]的最大信息,然后更新F[i,0-v]的值。最后提出了是否DP只能求多解中的一个解的问题。
  • 背四中,接触了抽象问题的能力,如果还按照一般的思路求解,可能得不到最优时间复杂度,但是通过将问题细分成不同的小问题,按照不同的小问题的时间复杂度解决,最终整体的时间复杂度要更加优化。
  • 背五中,领会到题目有时候会多出来一种限制,此时可以通过增加一维解决,高维带来的空间复杂度的提升可以使用滚转数组解决(需要注意不要重复),最后提出了DP的最优子结构和无后效性的若干总结。
  • 背六中,将相互冲突的物品分成不同的组,然后将不同的组看成01背包问题。还是将新问题转化成已知问题的能力。
  • 背七中,接触到泛化物品的思想,实际上还是抽象问题的能力,主件和附件的组合变成一个分组,附件的选择变成01背包。这种动态规划的形式被崔描述为树形动态规划,此时问题的难度已经不是DP初学者考虑的程度了。
  • 背八中,详细介绍了泛化物品的思想,将物品抽象成函数。**笔者感觉,抽象不是为了复杂化问题,而是将复杂问题简单化。**到了这里距离动态规划已经比较远了,所以我也就没有继续看总结性的背九。
  除了背包九讲以外,还记录了[ 由Longest Palindromic Substring再看DP](%3CLeetcode%3E%20%E7%94%B1Longest%20Palindromic%20Substring%E5%86%8D%E7%9C%8BDP)和[由Combination Sum看看动态规划的适用性](https://blog.youkuaiyun.com/lovestackover/article/details/80587702)两篇实践笔记。笔者还做了一些DP的题,但是没有记录。 ### **2. 定义**   递归公式都能够直接翻译成递归算法,但是编译器并不能妥善对待递归算法,所以将子问题的答案记录在表内,递归算法重新写出非递归算法,利用这种方法的技巧称为动态规划。DSAA中给的动规的定义,其实对做题和学习动规没有太大帮助。 ### **3. 实际的几个例子** #### **斐波那契数**   如果使用递归计算斐波那契,代码如下: ```c int Fib(int n){ if(n<=1) return 1; return Fib(n-1)+Fib(n-2); } ```   使用动规的思路,假设F[i]表示当前的斐波那契数,则   $$F[i]=F[i-1]+F[i-2],$$ 代码如下: ```c vector F(n+1,0) F[0]=1; F[1]=1; for(int i=3;i<=n;++i) F[i]=F[i-1]+F[i-2]; return F[n]; ```   上面的状态转移方程满足**最优子结构和无后效性**,注意由F[i-1]与F[i-2]共同构成了现在的状态。**可能会疑惑F[i]与F[i-2]的关系**,它们同样也是当前与未来的关系。如果改成`for(i=n;i>=3;--i)`在当前状态转移方程下,破坏了无后效性原则。 #### **最优二叉查找树** >给定一列单词$w_{1},w_{2},....,w_{n}$和它们出现的固定概率$p_{1},p_{2}....p_{n}$。要以一种方式能使在一颗二叉查找树中安放这些单词使总的期望存储时间最小。

这里按照做题的思考模式去重新整理解决方案:

//1. 设F[i,j]代表当前i和j位置的形成的二叉搜索树的访问次数。
//2. 状态转移方程:sum(下标,上标,元素)是一个自己定义的求和函数
F[i,j]=min{F[i,k-1]+F[k+1,j]+sum(i,j,p)|i<=k<=j}
//3. 
//1)状态:
F[0....n-1,0....n-1]=infinite
//2)初始状态
F[0,0]=0
F[i,j]=0 if i>j
//4. 伪代码实现:
for i=0 to n-1
     for j=0 to n-1
        for k=i to j
		   //注意k+1的边界条件,当j=n-1时会导致F[i,j]没有更新
           if(0<=k-1&&k+1<n)
	           F[i,j]=min(F[i,j],F[i,k-1]+F[k+1,j]+sum(i,j,p))
		   else if( k == n-1)
			   F[i,j]=min(F[i,j],F[i,k-1]+sum(i,j,p))

/*5. 查询状态
1) 根据F[0,n-1],查找F[0,k-1]+F[k+1,n-1]+p[k]=F[0,n-1]成立的k
2)再查找各个子树,这里可以用递归程序实现,最终将整个树的结构提取出来。
3)0...n-1 是我们的中序遍历,所以只需要知道前序遍历结果就可以提出树的整个结构

以下是一种C++的实现查询状态的实现:
*/
void find_tree(vector<vector<int>>& F,vector<int> & p,vector<int> & ans,int left, int right){
       if(left == right){
		      ans.push_back(k);
              return 
       }
       for(int k=left;k<=right;++k){
              if(F[left][k-1]+p[k]+F[k+1][right]==F[left][right])
                    break;
       }
       ans.push_back(k);
       find_tree(F,p,ans,left,k-1)
       find_tree(F,p,ans,k+1,right)
}

如果该题放在考场上,应该是一道比较难的题了,状态、初始状态、转移方程及最后的如何还原结果都是不太容易想的。

所有点最短路径问题

在思考这个问题的时候,需要回顾单源最短路径问题DSAA之图论Dijkstra(贪婪算法)(五),在该篇中总结到:如果拓展到多源,则时间复杂度为 O ( ∣ V ∣ 3 ) O(|V|^3) O(∣V∣3),采用优先级堆优化时,时间复杂度为 O ( ∣ V ∣ ∣ E ∣ l o g ∣ V ∣ ) O(|V||E|log|V|) O(∣V∣∣E∣log∣V∣)。并且因为**贪婪算法的“短视”,有负值边存在的情况可能得到错误的结论。**现在重新考虑使用DP的思路解决这个问题,同样采取做题的方式:

//1. 设F[k,i,j]为只用1...k作为中间顶点的i到j的最短路径。
//2. 状态转移方程为:
 F[k,i,j]=min(F[k-1,i,j],F[k-1,i,k]+F[k-1,k,j])
//3. 状态为:
 F[0...n,0...n,0..n]
//   初始状态为:
 F[0,0...n,0...n]=Cij; (Cij不存在为infinite)  0<=i<=n, 0<=j<=n
 F[0...n,0,0...n]=infinite
 F[0...n,0...n,0]=infinite
/*
4.最终答案为F[n,i,j]

5.考虑滚转数组优化
  观察状态转移方程,我们只需要保存k-1的状态信息就可以。所以优化状态转移方程为:
*/
F[i,j]=min(F[i,j],F[i,k]+F[k,j])

//6. 伪代码实现:

for k=0 to n 
  for i=0 to  n
    for j=0 to n
       F[i,j]=min(F[i,j],F[i,k]+F[k,j])

虽然动态规划的解法对于多源问题并没有改善 O ( ∣ V ∣ 3 ) O(|V|^3) O(∣V∣3)的界,但是因为其采用最优子结构的方式可以妥善解决Dijkstra算法不能有负值边的情况,因为动态规划喜欢放长线钓大鱼。

4. 小结

本篇其实信息量巨大,从笔者第一次接触动态规划,到现在已经小有所获。在leetcode上也做了较多的DP问题,最后用《数据结构与算法分析》中的话结尾:

In some sense, if you have seen one dynamic programming problem, you have seen them all.

【C语言学习笔记】算法篇——动态规划 浅谈动态规划Dynamic Programming 写在前面: 学习这个算法的缘由其实是这篇博客,当时在写完这道题的题解时,师兄好心地提醒我有一个说法不太准确,就是到底是不是贪心算法,在学习了动态规划后发现这两者真的有挺多共同点的。且上次月赛挺多题目都涉及到了动态规划的思想,故今天来整理一下,先立个FLAG,这篇博客应该要写很久很久很久… 什么是动态规划? 首先要了解的是,和贪心算法一样,动态规划算法只是一种思想,不是像排序算法一样有具体的代码。 我第一次学习动态规划,是在《算法图解》这本书中,因此后面的 阅读详情

相关推荐

C++ 算法篇 动态规划----状态压缩

一、总述 状态压缩动态规划,就是我们俗称的状压DP,是利用计算机二进制的性质来描述状态的一种DP方式。 很多棋盘问题都运用到了状压,同时,状压也很经常和BFS及DP连用。 状压dp其实就是将状态压缩成2进制来保存 其特征就是看起来有点像搜索,每个格子的状态只有1或0 ,是另一类非常典型的动态规划 举个例子:有一个大小为n*n的农田,我们可以在任意处种田,现在来描述一下某一行的某种状态: 设n = 9; 有二进制数 100011011(九位),每一位表示该农田是否被占用,1表示用了,0表示没用,这

流年的博客 3990

从零开始学动态规划

本文在写作过程中参考了大量资料,不能一一列举,还请见谅。 动态规划的定义: 动态规划是运筹学的一个分支,是求解决策过程的最优化的数学方法。20世纪50年代初美国数学家R.E.Bellman等人在研究多阶段决策过程的优化问题时,提出了著名的最优化原理,把多阶段过程转化为一系列单阶段问题,利用各阶段之间的关系,逐个求解,创立了解决这类过程优化问题的新方法——动态规划。在各种算法中,我认为动态规划是

houjingyi的博客 3万+

FPGA人脸识别检测(先获取人脸图像以及灰度二值化)

由于图片有空洞等缺陷,所以后面要进行中值滤波、腐蚀、膨胀等算法处理,然后再对人脸进行框选,最后显示出来。最终的成像应该是下面这样的。(后面有时间再接着做哈哈哈)5、通过modelsim将操作后的图片数据写入gray_img.txt里面后,用matlab将txt转成图片。1、先用matlab将图片转换成txt数据,代码如下。读取图片的方式按照博客咸鱼里的方式来做,如下。2、FPGA读取txt数据。4、FPGA顶层模块及仿真。3、FPGA灰度二值化。

weixin_46312715的博客 2532

教你彻底学会动态规划——入门篇

动态规划相信大家都知道,动态规划算法也是新手在刚接触算法设计时很苦恼的问题,有时候觉得难以理解,但是真正理解之后,就会觉得动态规划其实并没有想象中那么难。网上也有很多关于讲解动态规划的文章,大多都是叙述概念,讲解原理,让人觉得晦涩难懂,即使一时间看懂了,发现当自己做题的时候又会觉得无所适从。我觉得,理解算法最重要的还是在于练习,只有通过自己练习,才可以更快地提升。话不多说,接下来,下面我就...

常敲代码手不抖 41万+

如何设计一个低代码平台

近些年来,低代码发展火热,各种低代码平台如雨后春笋纷纷崛起,这些平台各定位不同,优劣不同,用户的选择空间很大。那么,如果用户想从零开始设计一个低代码平台,该如何做呢?

Jarod_Chou的博客 8261

亚马逊SP-API授权实战:从OAuth流程到Refresh Token获取

本文详细解析了亚马逊SP-API授权流程,从OAuth认证到Refresh Token获取的全过程。通过实战经验分享,帮助开发者快速掌握Marketplace Appstore、Website Workflow和自行授权三种方式,解决常见错误如MD5100和MD9999,并提供了安全存储Refresh Token的最佳实践。

weixin_30379531的博客 519

Re:从零开始的动态规划

有的人,天天在说自己打CF太菜,要学线性规划,却连第一步都没迈出去,不会吧,不会吧,不会那个人就是你吧 ——F+ 跑来写博客的时间都可以用来学几个点 咳咳咳言归正传,这是我第一篇博客,用来记录我假期算法的学习之路,先立下flag,以后我要每天一更!(也许这样自己就不会咕咕咕) 首先要明白动态规划的步骤和性质 步骤:阶段、状态、决策、策略、状态转移方程 性质:最优化原理、无后效性原则 具体的解释就是: 那就来个基础的试试手吧: POJ3176 也就是个普通的数塔嘛 我尝试了以下三种写法: 法一:.

cousin_fj的博客 309

【鸿蒙游戏上架审核规范指南】

华为鸿蒙游戏上架审核规范指南摘要

weixin_44161102的博客 930

动态规划学习之路(1)

今天来分享两道动态规划的题目, 题目都出自于近期各大互联网公司的春招真题,希望和大家一起分享~~1:来自网易今年的实习生招聘题目,题目题干如下: 易老师购买了一盒饼干,盒子中一共有k块饼干,但是数字k有些数位变得模糊了,看不清楚数字具体是多少了。易老师需要你帮忙把这k块饼干平分给n个小朋友,易老师保证这盒饼干能平分给n个小朋友。现在你需要计算出k有多少种可能的数值 输入描述: 输入包

wwe4023的博客 2408

跟着Cell学单细胞转录组分析(五):单细胞转录组marker基因鉴定及细胞群注释

书接上回(跟着Cell学单细胞转录组分析(四):单细胞转录组测序UMAP降维聚类)。完成数据降维和细胞聚类后,最主要的环节和工作就是确定各个细胞群,明确是什么类型的细胞,正群的细胞定群很关键,涉及到整个研究,所以这一步宁愿多费时间,也不要出错。当然,这也不是一蹴而就的,需要反复的确认。 要确定各个群是什么细胞,首先需要了解细胞群的marker基因,因为不同类型的细胞突出 表达的基因也是不同的。这里使用FindAllMarkers鉴定各个细胞群的高表达基因。 DefaultAssay(scedata)

qq_42090739的博客 1万+

219页华为供应链管理:市场预测S&OP计划、销售预测与存货管理精要

S&OP计划的整合作用:S&OP是一种综合的销售和运营计划流程,它将市场预测、生产能力、库存水平和财务目标整合在一起,以确保企业能够平衡供需,实现最佳的运营效率。持续监控与改进:市场预测、S&OP计划、计划委员会的决策以及存货管理都需要持续的监控和评估。供应链策略与执行:华为ISC拥有清晰的供应链策略,并通过SISC架构实现了策略的有效执行,包括供应链网络设计、库存管理、物流优化等。持续的供应链创新:华为ISC不断探索新的供应链管理方法和技术,如数字化供应链、智能物流等,以适应全球化和市场的快速变化。

zuoan1993的博客 2436

算法篇之动态规划

动态规划类似于贪心,同样是求最优解,但是贪心是局部求最优解,动态规划则是体现在动态上,是将一个状态的统计结果传递到下一个状态从而取得全局最优解。当然,入门动态规划不必死磕概念和与贪心的区别,后面通过做题可以对动态规划有更深的理解动态规划概括来说就是求最优解的问题,对这类题有很明确的步骤-定义dp数组 -> 推导递推关系式。其核心还是搞清楚状态转移,明白如何推导递推关系式。

2401_86909484的博客 2297

独立游戏之路:Tap篇 -- 个人开发者上架TapTap步骤和注意事项

作为一名游戏开发者,将自己的独立游戏上架到 TapTap 平台是一个不错的选择。TapTap 是一个拥有大量用户的游戏社区平台,上架游戏可以让更多的玩家发现和体验你的游戏。TapTap 是一个游戏社区平台,用户可以在平台上下载和分享游戏。TapTap 拥有大量的用户,并且用户活跃度高,这为独立游戏开发者提供了一个很好的展示和推广平台。进入TapTap开发者服务后台。

陈言必行 -- Unity游戏开发领域优质博主 6443

动态规划算法篇:枚举的艺术

一文帮组你入门动态规划,感受动态规划的神奇!

努力努力再努力wz的博客 1887

18、深入解析航空飞行数据中的秘密:从数据清理到高级分析

本文详细解析了如何使用R语言处理和分析航空飞行数据,从基础的数据清理到复杂的回归分析和机器学习模型构建。文章涵盖了探索性数据分析、天气数据的整合、地理信息可视化、时间序列预测以及航班延误的优化策略等内容,展示了如何通过数据挖掘技术提高航空运营效率和乘客满意度,并探讨了数据质量评估与隐私保护的重要性。

convnet3designer的博客 108

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

数据结构与算法---算法篇之动态规划(一)

文章目录什么是动态规划动态规划核心思想动态规划的特点动态规划的典型特征动态规划的解题思路:什么样的问题可以考虑使用动态规划解决呢?解题步骤例题(详细剖析)数组类斐波那契数列连续子数组的最大和(字节跳动高频) 什么是动态规划 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。动态规划常常适用于有重叠子问题和最优子结构性质的问题。(通俗的来讲就是 大事化小,小事化无)

Biteht的博客 9510

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

动态规划(算法篇)

本篇会代领大家进入动态规划的大门,动态规划是避免重复计算以及需要求解最优解问题的利器,但是开始时他也是很抽象,需要慢慢理解与消化

hellmorning的博客 2242

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

算法篇——动态规划

算法设计中,最美妙严谨的方法。有四两拨千斤的效果,对该方法的应用场景进行罗列,以加深思考: 1、字符串最小转换次数问题 思路:对于第一个字符串的第i各变为第二个字符串的第j个有三种情况1:第i个和第j个结果一样,说明该次的最少操作数与dp[i-1][j-1]次一样,否者由dp[i-1][j-1]替换一个字符得到,2:由dp[i-1][j]删除一个字符得到,3:由dp[i][j-1]处添加一个字符...

铁血军的小博客 7150

【算法篇】清晰易懂掌握动态规划

动态规划(Dynamic Programming,DP)是一种通过记录子问题解来避免重复计算的算法思想,适用于具有最优子结构和重叠子问题特征的问题。其核心思想是将大问题分解为小问题,通过保存小问题的解来优化计算。例如,在爬台阶问题中,动态规划通过记录每一级台阶的方法数,避免了重复计算。动态规划常用于解决贪心算法无法处理的复杂优化问题,如0-1背包问题。实现方式包括自顶向下的记忆化搜索和自底向上的迭代填表。动态规划的优点在于能保证全局最优解并提升效率,但需要额外存储空间。通过拆解问题、记住结果和组合答案,动态

weixin_43236925的博客 1302

算法篇——贪心算法和动态规划

写在前面: 动态规划和贪心算法这几天真的是让我很费神。今天,就拎出来好好在这说一说。 举例:给你一根长度为n的绳子,请把绳子剪成m段,请问最终每段绳子长度的乘积是多少?例如,当绳子的长度为8时,我们剪成3,3,2三段,最大乘积是18。 接下来,我们分别用这两种方法求解。 动态规划 可以应用动态规划求解的问题的特点: 1.求一个问题的最优解; (求绳子的乘积最大值。) 2.整体问题的最优解依赖各个子...

现从事游戏开发领域 | 团队项目be_with开发进行中 web方向感兴趣者私 ——We can do all things. 1万+

C++ 算法篇 动态规划----区间动态规划

区间动态规划的含义与模板解释 区间DP,其实求的就是一个区间内的最优值. 一般这种题目,在设置状态的时候,都可以设f[i][j]为区间i-j的最优值 而f[i][j]的最优值,这有两个小区间合并而来的,为了划分这两个更小的区间,我们则需用用一个循环变量k来枚举,而一般的状态转移方程便是: f[i][j] = max/min (f[i][j] , f[i][k] + f[k][j] + something) 我们则需要根据这个题目的实际含义进行变通即可. 而区间dp的大致模板是: for (..

流年的博客 2540

算法篇——01动态规划

写在前面 最近一段时间给自己定个目标:每周学习总结一个算法,以此记录自己的学习 学习目标: 一周入门动态规划 学习内容: 1、 掌握动态规划的基本含义和方法 2、 应用动态规划算法解决相关的问题 01.动态规划 介绍动态规划前先举个例子(也是其他地方看到的): How should I explain dynamic programming to a 4-year-old? writes down “1+1+1+1+1+1+1+1 =” on a sheet of paper “What’s that

mk12306的博客 374

【算法篇】动态规划类(1)(笔记)

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。dp[i] 的定义为:第 i 个数的 斐波那契数值是 dp[i]。有dp[i]种方法。

CXDNW的博客 1312

学习笔记-Matlab算法篇-动态规划

动态规划 01介绍 介绍:动态规划(dynamic programming)是运筹学的一个分支,是求解决策过程(decision process)最优化的数学方法。动态规划是求解某类问题的一种方法,是考察问题的一种途径,而不是一种特殊算法(如线性规划是一种算法)。因而,它不象线性规划那样有一个标准的数学表达式和明确定义的一组规则,而必须对具体问题进行具体分析处理。因此,在学习时,除了要对基本概念和方法正确理解外,应以丰富的想象力去建立模型,用创造性的技巧去求解。 例子:最短路线问题。下图是一个线路网,

seek97的博客 5574
上一篇: 《leetcode》第一阶段汇总(10-20题)(一)
下一篇: 《leetcode》第一阶段汇总(10-20题)(二)
LoveStackover
博客等级 码龄9年 14粉丝 57原创
评论 1
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