算法——（2）动态规划

一. 解题思路

1. 暴力解决——递归

2. 记忆搜索——不关心计算的顺序O(N*aim²)

建立一个map：将需要递归的参数当作key，将结果当作value

3. 动态规划——规定计算的顺序。本质是使用额外的空间记录每一暴力搜索的结果——O(N*aim²)—>O(N*aim)

1. 建立一个矩阵dp

2. 按照计算顺序（一般从左到右，从上到下），记录每一次计算的结果

二、常见题目：

1. 若有货币的种类记在arr数组中，每种货币可以有任意张，给定aim总价值，求有多少种组合方法。

1）建立矩阵：dp[i][j]：代表货币为:arr[0...i]组成j的组合可能

初始化矩阵：

2）分析:dp[i][j] =

• dp[i-1][j] 不使用arr[i]
• dp[i-1][j-arr[i]] 只用一张arr[i]
• dp[i-1][j-2*arr[i]] 使用两张arr[i]
• ....

总结：dp[i][j] = dp[i-1][j] + dp[i-1][j -arr[i]] + dp[i-1][j-2*arr[i]] +...

　　　　　　　=dp[i][j-arr[i]] + dp[i-1][j] ——O(N*aim)

2. 给定一个矩阵，从左上角开始，每次只能向右或者下走，最后到达右下角，路径上所有的数字和称为路径和。返回所有路径和中的最小值

给定矩阵m：M*N，例如：

1）设定矩阵dp：M*N，dp[i][j]代表，到达(i,j)的最小路径和

2）分析dp[i][j]：

1. 初始化：dp[i][0] = dp[i-1][0] + m[i][0]

dp[0][j] = m[0][j] + dp[0][j-1]

2. 对于dp[i][j] = min{dp[i-1][j]，dp[i][j-1]}

3. 返回数组arr的最长递增子序列的长度。——LIS

例如：arr=[2, 1, 5, 3 ,6, 4, 8, 9, 7]

dp = [1, 1, 2, 2, 3, 3, 4, 5, 1]，最后输出5

1）设一个dp[i]，代表arr[0...i]的最长递增子序列长度

2）dp[i] = max{dp[j] = 1,  0<=j <=i and arr[j] < arr[i]}，如果不满足，则为1

4. 求str1和str2的最长公共子序列——LCS

另：求str中的最长回文——str 和 str.reverse的LCS问题

str1:M, str2:N，建立M*N 的矩阵dp，其中dp[i][j]代表str1[0....i]和str2[0...j]的最长公共子序列

1）初始化

• 对dp[i][0]，若str1[i] == str2[0]，则dp[i~M][0]=1
• 对dp[0][j]，如果str2[j] == str1[0]，则dp[0][j~N]=1

2）比较dp[i-1][j-1]、dp[i-1][j-1]、dp[i-1][j-1]，得到最长的。再次基础上根据元素是否相同，确定是否+1

5. 0/1背包问题。一个背包中W，有N件物品，每件都有自己的价值，记在数组v中，也有自己的重量，记在数组w中。每个问题只能放或者不放，要求在不超重的情况下，求最大价值。

1）创建矩阵dp[i][j]，代表前i件物品，不超过重量j的最大价值

2）分析dp[i][j]：

• 不拿物品i：总价值：dp[i -1][y]
• 拿物品i：总价值：dp[i][y-w[i]] + v[i]

取这两个的最大值。则最终dp最右下角的值就是结果。

6. 给定str1，str2，ic,dc,rc分别代表插入、删除、替换一个字符的代价。求str1——>str2的最小代价

1）设str1、str2长度分别为M、N，创建一个M*N的矩阵，其中dp[i][j]代表：str[0~i-1]——>str2[0~j-1]的最小代价

2）初始化：

• dp[0][0] = 0
• dp[i][0] = dc
• dp[0][j] = ic

3）dp[i][j]四种情况：

• dc + dp[i-1][j]
• ic + dp[i][j-1]
• dp[i-1][j-1]
• dp[i-1][j-1]+rc

算法——（2）动态规划

原文：http://www.cnblogs.com/lesleysbw/p/6567620.html