动态规划

动态规划

动态规划背后的基本思想非常简单。大致上，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

动态规划框架

//动态规划框架
//初始化 base case
dp[0][0][...] = base
//进行状态转移
for '状态1' in '状态1的所有取值'：
    for '状态2' in '状态2的所有取值'：
        for ...
            dp[状态1][状态2][...] = 求最值(选择1，选择2...)

通俗的解释：通过子问题的解逐步累积推导出原问题的解。

实例1：求最长回文子串

//dp[j][i] 字符串从j->i是否为回文数
//动态回归方程d[i-1][j+i]是否为回文数
public String longestPalindrome(String s) {
    int len=s.length();
    boolean[][] dp = new boolean[len][len];
    int max=-1;
    String str="";
    for (int i = 0; i < len; i++) {
        for (int j = 0; j <= i; j++) {
            if (s.charAt(j) == s.charAt(i) && (i - j <= 2 || dp[j+1][i-1]))
                dp[j][i] = true;
            if(dp[j][i] && i-j>max) {
                max=i-j;
                str=s.substring(j,i+1);
            }

        }
    }
    return str;
}

实例2：输入一个整型数组，数组里有正数也有负数。数组中的一个或连续多个整数组成一个子数组。求所有子数组的和的最大值。要求时间复杂度为O(n)

/*
字串问题一般都是分解子问题的过程，假设数组长度只有1个,不用求就只能是这个一元素的大小了，如果是2个元素，3个元素呢

元素个数 最大和

1 		[0]
2 		max([0]+[1],[1])
3 		max([1]+[2],[2])
4 		max([2]+[3],[3])
...
...
n max([n-1]+[n],[n])

分析:
1.当[n]>=[n-1]+[n]的时候说明[n-1]对结果产生了副作用，以n-1结尾的钱n项和还不如n项大，那么n项就作为起点位置了
2.当[n]<[n-1]+[n]的时候说明[n-1]对结果产生了正面作用，继续判断下一部分
3.综合以上分析这明显就是动态规划的特征(核心思想是把原问题分解成子问题进行求解，也就是分治的思想)
4.综合起来dp[i] 作为以i结尾连续字串最大和，本质就只有三行代码
	max = dp[0] = nums[0];
	dp[i] = Math.max(dp[i - 1] + nums[i], nums[i])
	max = Math.max(max, dp[i]);
5. 当[n]>[n-1]+[n]时记录起始位置下标，当[n-1]+[n]>[n]时记录结束坐标，dp[i]>max时，则记录最大和
*/
 //java代码
 public int maxSubArray(int[] nums) {
        int len = nums.length;
        int[] dp = new int[len];
        dp[0] = nums[0];
        int max = dp[0];
        for (int i = 1; i < len; i++) {
            dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);
            max = Math.max(max, dp[i]);
        }
        return max;
    }