mirror of
https://github.com/adambard/learnxinyminutes-docs.git
synced 2024-12-27 11:18:51 +00:00
58 lines
3.0 KiB
Markdown
58 lines
3.0 KiB
Markdown
|
---
|
|||
|
|
category: Algorithms & Data Structures
|
|||
|
|
name: Dynamic Programming
|
|||
|
|
contributors:
|
|||
|
|
- ["Akashdeep Goel", "http://github.com/akashdeepgoel"]
|
|||
|
|
filename: dynamic-programming-cn.html.markdown
|
|||
|
|
lang: zh-cn
|
|||
|
|
translators:
|
|||
|
|
- ["EtaoinWu", "https://github.com/EtaoinWu"]
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
# 动态规划
|
|||
|
|
|
|||
|
|
## 简介
|
|||
|
|
|
|||
|
|
动态规划是一种实用的技巧，它可以用来解决一系列特定问题。它的思路很简单，如果你对某个给定的输入解决了一个问题，那么你可以保存已有信息，以避免重复计算，节约计算时间。
|
|||
|
|
|
|||
|
|
记住，只有那些没有办法记住历史的才被迫做更多的苦力。(Fibonacci就是一个显然的例子)
|
|||
|
|
|
|||
|
|
## 解决问题的方式
|
|||
|
|
|
|||
|
|
1. *自顶向下* : 利用分支策略分解问题。如果你已经解决过当前子问题了，那么就返回已有信息。如果当前子问题没有计算过，那么就对它进行计算。这样的方法很易于思考、很直观。这被称作“记忆化”。
|
|||
|
|
|
|||
|
|
2. *自底向上* : 首先分析问题，将问题分解为不同规模的问题，并决定它们的顺序，按顺序计算，直到解决给定规模的问题。这样的流程可以保证在解决较大的问题之前解决（它所依赖的）较小的问题。这种流程被称作“动态规划”。
|
|||
|
|
|
|||
|
|
## 动态规划的例子
|
|||
|
|
|
|||
|
|
最长上升子序列问题。给定`S= {a[1] , a[2] , a[3], a[4], ............., a[n-1], a[n] }`，求出一个子序列，使得对于所有在这个子序列中所有满足`j<i`的`j`与`i`，满足`aj<ai`。首先我们要讨论以原序列的第`i`个元素结尾的最长上升子序列`dp[i]`。那么答案是整个dp序列的最大值。考虑`dp[i]`，它的最后一个元素为`a[i]`。枚举它的倒数第二个元素`a[j]`，则`a[j]<a[i]`成立。则`dp[i]`就是所有这样的`dp[j]`的最大值加上1(最后一个元素)。这个算法具有*O(n^2)*的时间复杂度。
|
|||
|
|
|
|||
|
|
此算法的伪代码：
|
|||
|
|
|
|||
|
|
```python
|
|||
|
|
for i=0 to n-1
|
|||
|
|
dp[i]=0
|
|||
|
|
for j=0 to i-1
|
|||
|
|
if (a[i] > a[j] and dp[i]<dp[j])
|
|||
|
|
LS[i] = LS[j]
|
|||
|
|
dp[i]=dp[i]+1
|
|||
|
|
for i=0 to n-1
|
|||
|
|
if (largest < dp[i])
|
|||
|
|
largest = dp[i]
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
这个算法的复杂度可以通过将数组换为其他数据结构来优化，来获得*O(n * log n)*的时间复杂度。
|
|||
|
|
|
|||
|
|
同样的思路可以求出有向无环图上的最大路径。
|
|||
|
|
|
|||
|
|
### 一些著名的动态规划问题及其实现
|
|||
|
|
|
|||
|
|
- Floyd Warshall 算法 - [教程与C实现源码](http://www.thelearningpoint.net/computer-science/algorithms-all-to-all-shortest-paths-in-graphs---floyd-warshall-algorithm-with-c-program-source-code)
|
|||
|
|
- 整数背包问题 - [教程与C实现源码](http://www.thelearningpoint.net/computer-science/algorithms-dynamic-programming---the-integer-knapsack-problem)
|
|||
|
|
- 最长公共子序列问题 - [教程与C实现源码](http://www.thelearningpoint.net/computer-science/algorithms-dynamic-programming---longest-common-subsequence)
|
|||
|
|
|
|||
|
|
## 在线资源
|
|||
|
|
|
|||
|
|
* [codechef](https://www.codechef.com/wiki/tutorial-dynamic-programming)
|
|||
|
|
* [洛谷](https://www.luogu.org/problem/lists?name=&orderitem=pid&tag=3)
|