Understand Dynamic Programming

yewentao included in category algorithm

2022-03-11 2025-01-11 209 words One minute

Contents

Summary

Understand dynamic programming based on two real examples

To be translated

Oh Sorry!

This blog has’t been translated to English, please wait for a little while…

动态规划其实某种意义上，就是高中数列题而已。

能用动态规划解决的问题

问题的答案构成了数列
大规模问题依赖小规模问题答案递推得到，例如：$f(n) = f(n-1) + 2$

应用动态规划

建立状态转移方程，例如：$f(n) = f(n-1) + 2$
确定初始值和边界值（结束条件）
根据需要缓存结果。
按顺序从小往大计算

例子——斐波那契数列

斐波那契数列：0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233……
目的：求第n个值
解法1：递归（反例）

1
2
3
4
5
6
7
8
def fib(n):
    if n<2:
        return n
    else:
        return fib(n-1)+fib(n-2)

# 天荒地老亦不得出也！时间复杂度：O（2的n次方）——随着递归深入，计算任务倍增！
print(fib(100))

解法2：动态规划

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
def fib(n):
    results = list(range(n+1))  # 缓存
    for i in range(n+1):
        if i<2:
            results[i] = i      # 初始值
        else:
            results[i] = results[i-1] + results[i-2]    # 状态转移方程，按顺序从小到大计算
    return results[-1]

# 秒算，时间复杂度：O（N），结果为354224848179261915075
print(fib(100))

例子——不同路径选择

题目来源：leetcode
题目说明：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” ）。问总共有多少条不同的路径？
样例：输入：m = 3, n = 7(3行7列) 输出：28
思路
- 建立状态转移方程（i，j格子的值为左边格子的值+上边格子的值）：$f(i,j) = f(i-1,j)+f(i,j-1)$
- 初始值与结束条件：初始值$f(0,0) = 0, f(m,n)结束$
- 缓存并复用结果：需要用二维数组存储中间结果
- 按顺序从小到大计算：两个循环逐行逐列分析
代码：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
def count_paths(m,n):
    results = [[1 for _ in range(n)] for _ in range(m)]

    # 第0行第0列都是1，剪枝跳过
    for i in range(1, m):           # 行计算
        for j in range(1, n):       # 列计算
            results[i][j] = results[i-1][j] + results[i][j-1]     # 应用状态转移方程，且复用中间结果
    
    return results[-1][-1]

# 结果为28
print(count_paths(3,7))

Reference

@zhen tan