ACM总结——动态规划(1)重叠子问题、最优子结构
动态规划(dynamic programming)简称DP。
先看几个简单的问题:
1,斐波那契数列
1,1,2,3,5,8......
求第n项
-
int fac(int n)
-
{
-
if(n<3)return 1;
-
return fac(n-1)+fac(n-2);
-
}
时间复杂度O (1.6 ^ n)
递归写法(备忘录法):
-
int ans[1000]={0};
-
int fac(int n)
-
{
-
if(n<3)return 1;
-
if(ans[n])return ans[n];
-
return ans[n]=fac(n-2)+fac(n-1);
-
}
非递归写法:
-
int ans[1000]={0,1,1};
-
int fac(int n)
-
{
-
for(int i=3;i<=n;i++)ans[i]=ans[i-1]+ans[i-2];
-
return ans[n];
-
}
递归写法不需要控制DP的计算顺序,非递归写法需要严格控制计算顺序。
读者可此处思考一下上述递归写法的实际计算顺序,假设编译器是默认先执行加法左边的,再执行加法右边的。
两种写法的时间复杂度都是O(n)
为什么差异这么大?
这就是DP的第一个重要特性:重叠子问题
2,求数列中位数
这个题,能不能像上一题这么做呢?
如果我用f(n)表示数列前n个数的中位数,那么,由f(n-1)和f(n-2)可以直接推导出f(n)吗?
不能!
差异在哪?差异在于问题本身的性质不同。
这种由子问题的答案可以直接推导出原问题答案的性质,其实就是最优子结构。
最优子结构:问题的最优解包含了子问题的最优解。
再来看看一个动态规划的题目,当我们分析它的时候,我们在想些什么?
3,数列的DP问题
一维
力扣 OJ 300. 最长上升子序列
力扣OJ 1218. 最长定差子序列
二维
力扣 OJ 1143. 最长公共子序列
CSU - 1060 Nearest Sequence (三个数组的最长公共子序列)
4,最短路问题
动态规划的题目,当我们分析它的时候,主要就是:
问题研究的对象、问题的子问题、最优子结构(即递推式)、解空间结构
递归写法和非递归写法其实都是解空间的遍历,而绝大部分问题的解空间都可以映射为树空间,树的遍历主要就是DFS和BFS,递归基本上就是DFS。
什么是解空间结构?
解空间就是问题可能的解组成的集合,根据问题的属性,空间的结构也有不同,有的是数组有的是树等等。
按照问题研究的对象类型和解空间结构,DP问题可以分为数列DP、区间DP、树形DP、数位DP、状态压缩DP、概率与期望DP、高维DP等等。
DP的更深用法:
空间压缩、时间优化
文章来源: blog.csdn.net,作者:csuzhucong,版权归原作者所有,如需转载,请联系作者。
原文链接:blog.csdn.net/nameofcsdn/article/details/106417240
- 点赞
- 收藏
- 关注作者
评论(0)