动态规划
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
所以动态规划中每一个状态一定是由上一个状态推导出来的
🔥🔥🔥 动规五部曲:
- 确定 dp 数组以及下标的含义
- 确定递推公式-状态转移方程
- dp 数组的初始化
- 确定遍历顺序
斐波那契数
斐波那契数,通常用 F(n) 表示,形成的序列称为 斐波那契数列 。该数列由 0 和 1 开 始,后面的每一项数字都是前面两项数字的和。
F(0) = 0,F(1) = 1 F(n) = F(n - 1) + F(n - 2),其中 n > 1 给你 n ,请计算 F(n) 。
- 示例 1:输入:2 输出:1 解释:F(2) = F(1) + F(0) = 1 + 0 = 1
- 示例 2:输入:3 输出:2 解释:F(3) = F(2) + F(1) = 1 + 1 = 2
var fib = function(n) {
let dp = [0, 1]
for(let i = 2; i <= n; i++) {
dp[i] = dp[i - 1] + dp[i - 2]
}
return dp[n]
}
或者
let [a, b] = [0, 1];
for (let i = 0; i < 5; i++) {
[a, b] = [b, a + b];
}
可以使用递归
function fib(n) {
if(n == 0) return 0;
if(n == 1) return 1;
return fib(n-1) + fib(n-2); // 递归
}
假如n=10,流程如下
- f(10) = f(9) + f(8); //分别计算f(9)和f(8);
- f(9) = f(8) + f(7); //分别计算f(8)和f(7) 但是此时已经计算过 f(8) 了,如果用上面的循环的话,不会有类似的问题
爬楼梯
假设你正在爬楼梯。需要 n 阶你才能到达楼顶。每次你可以爬 1 或 2 个台阶。你有多 少种不同的方法可以爬到楼顶呢?注意:给定 n 是一个正整数。
- 示例 1:
- 输入: 2
- 输出: 2
- 解释: 有两种方法可以爬到楼顶。
- 1 阶 + 1 阶
- 2 阶
- 示例 2:
- 输入: 3
- 输出: 3
- 解释: 有三种方法可以爬到楼顶。
- 1 阶 + 1 阶 + 1 阶
- 1 阶 + 2 阶
- 2 阶 + 1 阶
function climbStairs(n: number): number {
/**
dp[i]: i阶楼梯的方法种数
dp[1]: 1;
dp[2]: 2;
...
dp[i]: dp[i - 1] + dp[i - 2];
*/
const dp: number[] = [];
dp[1] = 1;
dp[2] = 2;
for (let i = 3; i <= n; i++) {
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[n];
};
使用最小花费爬楼梯
给你一个整数数组 cost ,其中 cost[i] 是从楼梯第 i 个台阶向上爬需要支付的费用。一旦你支付此费用,即可选择向上爬一个或者两个台阶。
你可以选择从下标为 0 或下标为 1 的台阶开始爬楼梯。
请你计算并返回达到楼梯顶部的最低花费。
- 示例 1:
输入:cost = [10, 15, 20] 输出:15 解释:最低花费是从 cost[1] 开始,然后走两步即可到阶梯顶,一共花费 15 。
- 示例 2:
输入:cost = [1, 100, 1, 1, 1, 100, 1, 1, 100, 1] 输出:6 解释:最低花费方式是从 cost[0] 开始,逐个经过那些 1 ,跳过 cost[3] ,一共花费 6 。
思路
- 确定dp数组以及下标的含义 dp[i]: 到达第i个台阶所花费的最少费用
- 确定递推公式 dp[i] = min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2])
- 初始化 题目要求可以从 0 / 1 台阶可以往上跳,所以初始化 dp[0] = 0, dp[1] = 0
- 确定遍历顺序 dp[i] = min(dp[i-1]+cost[i-1], dp[i-2]+cost[i-2])
var minCostClimbingStairs = function(cost) {
const dp = [0, 0]
for (let i = 2; i <= cost.length; ++i) {
dp[i] = Math.min(dp[i - 1] + cost[i - 1], dp[i - 2] + cost[i - 2])
}
return dp[cost.length]
};
62.不同路径
输入:m = 3, n = 2 输出:3 解释:从左上角开始,总共有 3 条路径可以到达右下角。
![](/assets/20210110174033215.2bf8e6f0.png)
- 向右 -> 向下 -> 向下
- 向下 -> 向下 -> 向右
- 向下 -> 向右 -> 向下机器人从(0 , 0) 位置出发,到(m - 1, n - 1)终点。
根据动规
- 确定 dp 数组以及下标的含义
dp[i][j]表示从(0,0)出发,到 dp[i][j] 条不同的路径 - 确定递推公式
dp[i][j] = dp[i-1][j] + dp[i][j-1] - dp 初始化
dp[i][0] 都是 1,因为从 (0,0)到(i,0)的路径只有一条,那么 dp[0][j] 也都是 1
所以初始化代码是
for (int i = 0; i < m; i++) dp[i][0] = 1;
for (int j = 0; j < n; j++) dp[0][j] = 1;
- 确定遍历顺序
这里要看一下递推公式 dp[i][j] = dp[i - 1][j] + dp[i][j - 1],dp[i][j]都是从其上方和左方推导而来,那么从左到右一层一层遍历就 可以了
function uniquePaths(m: number, n: number): number {
/**
dp[i][j]: 到达(i, j)的路径数
dp[0][*]: 1;
dp[*][0]: 1;
...
dp[i][j]: dp[i - 1][j] + dp[i][j - 1];
*/
const dp: number[][] = new Array(m).fill(0).map(_ => []);
// 初始化
for (let i = 0; i < m; i++) {
dp[i][0] = 1;
}
for (let i = 0; i < n; i++) {
dp[0][i] = 1;
}
for (let i = 1; i < m; i++) {
for (let j = 1; j < n; j++) {
dp[i][j] = dp[i - 1][j] + dp[i][j - 1];
}
}
return dp[m - 1][n - 1];
};
不同路径II
一个机器人位于一个 m x n 网格的左上角 (起始点在下图中标记为“Start” )。
机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角(在下图中标记为“Finish”)。
现在考虑网格中有障碍物。那么从左上角到右下角将会有多少条不同的路径?
输入:obstacleGrid = [[0,0,0],[0,1,0],[0,0,0]] 输出:2 解释: 3x3 网格的正中间有一个障碍物。 从左上角到右下角一共有 2 条不同的路径: 向右 -> 向右 -> 向下 -> 向下 向下 -> 向下 -> 向右 -> 向右
与上面的不同路径相比, 增加了障碍物, 需要考虑障碍物的情况
一旦遇到obstacleGrid[i][0] == 1的情况就停止dp[i][0]的赋值1的操作,dp[0][j]同理
所以初始化:
for (int i = 0; i < m && obstacleGrid[i][0] == 0; i++) dp[i][0] = 1;
for (int j = 0; j < n && obstacleGrid[0][j] == 0; j++) dp[0][j] = 1;
所以结果是:
var uniquePathsWithObstacles = function(obstacleGrid) {
const m = obstacleGrid.length
const n = obstacleGrid[0].length
const dp = Array(m).fill().map(item => Array(n).fill(0))
// 跨过障碍物
for (let i = 0; i < m && obstacleGrid[i][0] === 0; ++i) {
dp[i][0] = 1
}
for (let i = 0; i < n && obstacleGrid[0][i] === 0; ++i) {
dp[0][i] = 1
}
for (let i = 1; i < m; ++i) {
for (let j = 1; j < n; ++j) {
// obstacleGrid[i][j] === 1 说明是障碍物,说明是走不到这个地方
dp[i][j] = obstacleGrid[i][j] === 1 ? 0 : dp[i - 1][j] + dp[i][j - 1]
}
}
return dp[m - 1][n - 1]
}
整数拆分
给定一个正整数 n, 将其拆分为至少两个正整数的和,并使这些整数的乘积最大化。 返回你可以获得的最大乘积。
示例 1:
输入: 2 输出: 1 解释: 2 = 1 + 1, 1 × 1 = 1。
示例 2:
输入: 10 输出: 36 解释: 10 = 3 + 3 + 4, 3 × 3 × 4 = 36。 说明: 你可以假设 n 不小于 2 且不大于 58。
分析
- 确定dp 数组以及下标的含义 dp[i]:分拆数字i,可以得到的最大乘积为dp[i]。
- 确定递推公式
- 一个是j * (i - j) 直接相乘。
- 一个是j * dp[i - j],相当于是拆分(i - j) 所以递推公式:dp[i] = max({dp[i], (i - j) * j, dp[i - j] * j});
- 确定初始值 只初始化dp[2] = 1,从dp[i]的定义来说,拆分数字2,得到的最大乘积是1
- 确定遍历顺序
for (let i = 3; i <= n ; i++) {
for (let j = 1; j < i - 1; j++) {
dp[i] = Math.max(dp[i], max((i - j) * j, dp[i - j] * j));
}
}
至于 i是从3开始,这样dp[i - j]就是dp[2]正好可以通过我们初始化的数值求出来。
最大值一定在中间位置
for (let i = 3; i <= n ; i++) {
for (let j = 1; j < i / 2; j++) {
dp[i] = Math.max(dp[i], max((i - j) * j, dp[i - j] * j));
}
}
代码
function a(n) {
let dp = new Array(n + 1).fill(0);
dp[2] = 1;
for (let i = 3; i <= n; i++) {
for (let j = 1; j <= i / 2; j++) {
dp[i] = Math.max(dp[i], dp[i - j] * j, (i - j) * j);
}
}
return dp[n];
}