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;
}