程序员算法基础——动态规划

前言

本文以一道BAT常见的算法面试题开篇,引入动态规划的基础概念, 介绍其思考过程。

正文

一、BAT最常见的一道算法面试题——上台阶

有一个楼梯总共n个台阶,只能往上走,每次只能上1个、2个台阶,总共有多少种走法。

解决方案: 1、排列组合; 枚举2的个数,再枚举2具体放的位置; 计算复杂,容易遗漏。

2、动态规划; dp[n] 表示n个台阶的走法,那么有: dp[n]=dp[n-1]+dp[n-2]; 思路清晰,代码简单。

二、动态规划基础概念

1、动态规划; 动态规划(Dynamic Programming)指的是解最优化问题的一种方法。

2、最优子结构性质; 问题的最优解可以分解为若干子问题,且子问题的解也是最优的; 以上台阶为例,到第i层的最多走法,可以分解为第i-1层和第i-2层的走法之和,且第i-1层和第i-2层的走法也是最多的;

3、 无后效性; 现阶段的决策不会影响未来的决策; 以上台阶为例,走到第i-2层的最多走法,不会因为增加第i-1层而改变;

三、动态规划思考过程

动态规划的思考过程可以总结为:大事化小,小事化了。 大事化小: 一个较大的问题,通过找到与子问题的重叠,把复杂的问题划分为多个小问题,也称为状态转移; 小事化了: 小问题的解决通常是通过初始化,直接计算结果得到;

具体的步骤

  • 1、将大问题分解为子问题
  • 2、确定状态表示
  • 3、确定状态转移
  • 4、考虑初始状态和边界情况

四、另一个经典的例子——数塔

有如图所示的数塔,要求从顶层走到底层,若每一步只能走到相邻的结点,则经过的结点的数字之和最大是多少?

题目链接点这里

解决思路: 1、大事化小。要到达第i层,先要到达第i-1层。并且第i层的第j个节点,只能由i-1层的第j个和第j-1个节点到达。 我们用dp[i][j]表示,走到第i层第j个位置的数字最大和。 那么有dp[i][j]=max(dp[i-1][j], dp[i-1][j-1]) + a[i][j];

2、小事化了。第1层的第1个节点,初始值为dp[1][1]=a[1][1]。(a[x][y]表示第x层,第y个的值)

五、数塔例子的变形——收集苹果

平面上有N*M个格子,每个格子中放着一定数量的苹果。 你从左上角的格子开始,每一步只能向下走或是向右走,每次走到一个格子上就把格子里的苹果收集起来。 这样下去,你最多能收集到多少个苹果。

解决思路: 1、只能向右走或者向下走,要到达第i行第j列的格子的时候,可以由第i-1行第j列或者第i行第j-1列到达,我们用dp[i][j]表示,走到第i行第j列的最多苹果数,那么有: dp[i][j]=max(dp[i-1][j], dp[i][j-1]) + a[i][j];

2、第1行第1列,初始值为dp[1][1]=a[1][1],注意事项是边界条件的处理。

六、动态规划经典——01背包问题

给定n件物品和一个容量为m的背包,每件物品都会消耗背包的一定容积c[i],并带来一定价值v[i],要求如何选取装入背包中的物品,使得背包内的物品价值最大。

解决思路: 把n件物品放入背包,可以分解为“将前i件物品放入容量为m的背包中”问题。 若只考虑第i件物品的选择,那么问题可以分为两种情况: 1、如果不放第i件物品,问题就转化为“前i-1件物品放入容量为v的背包中”; 2、如果放第i件物品,问题就转化为“前i-1件物品放入剩下的容量为m-c[i]的背包中”

我们用f[i][j]表示前i个物品,放入容量为j的背包的最大价值,上面的两种情况可以表示为 f[i][j] = max(f[i-1][j], f[i-1][j-c[i]]+v[i]);

初始化条件memset(dp, 0, sizeof(dp));dp[1][c[1]]=v[1]。 最后遍历f[n][1~m]可以得到最大值。

总结

如果还不能完全理解01背包,那么还需要再仔细理解最优子结构状态表示状态转移。 算法能扩展思考方向,完善思维能力。学会“上台阶”、“数塔”、“01背包”这三个题目,能解决算法面试的动态规划部分。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏1039778的专栏

Python 数据分析学习笔记

一、基本语法 [1507772432114_7239_1507772402948.jpg] 资料地址:http://www.icoolxue.com/albu...

1956
来自专栏1039778的专栏

Python 数据分析学习笔记

一、基本语法 [1507772432114_7239_1507772402948.jpg] 资料地址:http://www.icoolxue.com/album...

5429
来自专栏大数据文摘

改变计算技术的 9 个伟大算法

1893
来自专栏木可大大

算法初体验

在介绍具体算法之前,我先谈一下个人对学习算法的初心。我的初心无非有两点:一,BAT等互联网公司招聘面试时要问算法知识,如果想要进入互联网公司,我就必须学好算法;...

4649
来自专栏潇涧技术专栏

Python Algorithms - C7 Greedy

Python算法设计篇(7) Chapter 7: Greed is good? Prove it!

632
来自专栏AI研习社

如何准备机器学习工程师的面试?

本文给到的是相关具体可能会被问及的问题 (编程、基础算法、机器学习算法)。从本次关于算法工程师常见的九十个问题大多是各类网站的问题汇总,希望你能从中分析出一些端...

37316
来自专栏数据结构与算法

2018.7.30考试

题意:给出两棵树,问在两棵树中任意删除一条边后$1$号节点所在集合的元素相同的方案

995
来自专栏社区的朋友们

实时渲染中角色的反走样

在图形学渲染技术中,由于采样率不够会造成渲染结果的锯齿以及抖动,我们把这种现象称作走样。

1700
来自专栏偏前端工程师的驿站

代数几何:点,线,抛物线,圆,球,弧度和角度

一, 笛卡尔坐标系                         ? 笛卡尔坐标系是数学中的坐标系,而计算机中则采用屏幕坐标系统. ? 而三维坐标系则没有一个...

1938
来自专栏张善友的专栏

EMA算法的C#实现

EMA表示的是指数平滑移动平均,其函数的定义为Y=EMA(X,N) 则Y=[2*X+(N-1)*Y']/(N+1), 其中Y'表示上一周期Y值。 求X的N日指数...

3505

扫码关注云+社区