《画解动态规划》从入门到精通.docx

? ? ??四万字《画解动态规划》从入门到精通?? ? ? 【摘要】 《画解动态规划》上 前言 ??「 动态规划 」作为算法中一块比较野的内容，没有比较系统的分类，只能通过不断总结归纳，对各种类型进行归类。「 动态规划 」（即 Dynamic programming，简称 DP）是一种在数学、管理科学、计算机科学 以及 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 」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。要理解动态规划，就要理解 「 最优子结构 」 和 「 重复子问题 」。??本文将针对以下一些常用的动态规划问题，进行由浅入深的系统性讲解。首先来看一个简单的分类，也是今天本文要讲的内容。 直接跳到末尾 参与投票，获取粉丝专属福利。 一、递推问题 ??递推问题作为动态规划的基础，是最好掌握的，也是必须掌握的，它有点类似于高中数学中的数列，通过 前几项的值 推导出 当前项的值。 1、一维递推 ??你正在爬楼梯，需要 n n n 阶你才能到达楼顶。每次你可以爬 1 1 1 或 2 2 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？ ??假设我们已经到了第 n n n 阶楼梯，那么它可以是从 n ? 1 n-1 n?1 阶过来的，也可以是从 n ? 2 n-2 n?2 阶过来的（但是，不可能是从 n ? 3 n-3 n?3 阶直接过来的），所以如果达到第 n n n 阶的方案数为 f [ n ] f[n] f[n]，那么到达 n ? 1 n-1 n?1 阶就是 f [ n ? 1 ] f[n-1] f[n?1]，到达 n ? 2 n-2 n?2 阶 就是 f [ n ? 2 ] f[n-2] f[n?2]，所以可以得出： f [ n ] = f [ n ? 1 ] + f [ n ? 2 ] f[n] = f[n-1] + f[n-2] f[n]=f[n?1]+f[n?2] ??其中，当 n = 0 n=0 n=0 时方案数为 1，代表初始情况； n = 1 n=1 n=1 时方案数为 1，代表走了一步，递推计算即可。??以上就是最简单的动态规划问题，也是一个经典的数列：斐波那契数列 的求解方式。它通过一个递推公式，将原本指数级的问题转化成了线性的，时间复杂度为 O ( n ) O(n) O(n)。??C语言代码实现如下： int f[1000];int climbStairs(int n){ f[0] = f[1] = 1; for(int i = 2; i = n; ++i) { f[i] = f[i-1] + f[i-2]; } return f[n];} 2、二维递推 ??给定一个非负整数 n n n，生成杨辉三角的前 n n n 行。在杨辉三角中，每个数是它 左上方 和 右上方 的数的和。 ??根据杨辉三角的定义，我们可以简单将上面的图进行一个变形，得到： 于是，我们可以得出以下结论：??1）杨辉三角的所有数可以存储在一个二维数组中，行代表第一维，列代表第二维度；??2）第 i i i 行的元素个数为 i i i 个；??3）第 i i i 行 第 j j j 列的元素满足公式： c [ i ] [ j ] = { 1 i = 0 c [ i ? 1 ] [ j ? 1 ] + c [ i ? 1 ] [ j ] o t h e r w i s e c[i][j] = \begin{cases} 1 i=0\\ c[i-1][j-1] + c[i-1][j] otherwise \end{cases} c[i][j]={1c[i?1][j?1]+c[i?1][j]?i=0otherwise? ??于是就可以两层循环枚举了。时间复杂度为 O ( n 2 ) O(n^2) O(n2)。??C语言代码实现如下： int c[40];void generate(int n) { for(int i = 0; i n; ++i) { for(int j = 0; j = i; ++j) { if(j == 0 || j == i) { c[i][j] = 1; }else { c[i][j] = c[i-1][j-1] + c[i-1][j]; } } }} 二、线性DP 1、最小花费 ??数组的每个下标作为一个阶梯，第 i