java数据结构与算法刷题目录(剑指Offer、LeetCode、ACM)-----主目录-----持续更新(进不去说明我没写完):https://blog.csdn.net/grd_java/article/details/123063846
很多人觉得动态规划很难,但它就是固定套路而已。其实动态规划只不过是将多余的步骤,提前放到dp数组中(就是一个数组,只不过大家都叫它dp),达到空间换时间的效果。它仅仅只是一种优化思路,因此它目前的境地和线性代数一样----虚假的难。
想想线性代数,在国外留学的学生大多数不觉得线性代数难理解。但是中国的学生学习线性代数时,完全摸不着头脑,一上来就是行列式和矩阵,根本不知道这玩意是干嘛的。 线性代数从根本上是在空间上研究向量,抽象上研究线性关系的学科。人家国外的教科书都是第一讲就帮助大家理解研究向量和线性关系。 反观国内的教材,直接把行列式搞到第一章。搞的国内的学生在学习线性代数的时候,只会觉得一知半解,觉得麻烦,完全不知道这玩意学来干什么。当苦尽甘来终于理解线性代数时干什么的时候,发现人家国外的教材第一节就把这玩意讲清楚了。你只会大骂我们国内这些教材,什么狗东西(以上是自己学完线性代数后的吐槽,我们同学无一例外都这么觉得)。 而我想告诉你,动态规划和线性代数一样,我学完了才知道,它不过就是研究空间换时间,提前将固定的重复操作规划到dp数组中,而不用暴力求解,从而让效率极大提升。
但是网上教动态规划的兄弟们,你直接给一个动态方程是怎么回事?和线性代数,一上来就教行列式和矩阵一样,纯属恶心人。我差不多做了30多道动态规划题目,才理解,动态方程只是一个步骤而已,而这已经浪费我很长时间了,我每道题都一知半解不理解,过程及其痛苦。最后只能重新做。 动态规划,一定是优先考虑重复操作与dp数组之间的关系,搞清楚后,再提出动态方程。而你们前面步骤省略了不讲,一上来给个方程,不是纯属扯淡吗? 我推荐研究动态规划题目,按5个步骤,从上到下依次来分析 DP数组及下标含义 递推公式 dp数组初始化 数组遍历顺序(双重循环及以上时,才考虑) dp数组打印,分析思路是否正确(相当于做完题,检查一下)
拿到比较抽象的题,先列出前几项结果,尝试看出问题的本质(很多比较抽象的题,本质都很简单,抓住问题的本质,那么可以做到解决1道题,扩展到解决一类问题)
n = 0时:结果为0 n = 1时:结果为1 n = 2时:结果为2 n = 3时:结果为3 n = 4时:结果为5 可见 这道题的规律0 1 2 3 5… 和斐波那契数列的0 1 1 2 3 5…非常像
斐波那契数列:第一个值是0,第二个值是1,剩下的元素是它前两个元素和,例如:0 1 1 2 3 5… , 可见除了最开始的两个固定为0和1外,其余每一个元素都是前两个元素的和。 也就是说,这玩意一看就是固定的一套值,如果每次都重新生成,就太暴力了。 动态规划的思想就是,将生成的过程,就生成一次,之后再用,直接从dp数组中拿。从而大大提升效率
暴力求解的思想,就是定义3个或者2个变量,然后累加,以获得指定位置的斐波那契数。每次都需要从头开始累加 但是如果我们预先将其存储到dp数组,就可以直接通过dp[x], 获取dp数组中指定位置x的对应斐波那契数,而不用每次都从头计算。 但是这道题,从第4个元素开始,才符合斐波那契数列的规则,因此我们这道题,可以用斐波那契数列思想,但不能照搬 可见这道题,前3个为固定值 0 1 2 ,剩下的都是当前元素的前两项的和。
DP数组及下标含义 DP数组存储我们分析的类似
斐波那契数列的数列,这个数列是一维线性的,所以只需一维数组存储。下标代表数
在数列
中的位置。dp[0] = 0,dp[1] = 1,dp[2]=2是头三个固定值(斐波那契数列头两个是固定值),dp[3]开始,每个元素是前两个数组元素的和。即可生成对应数列的dp数组。
递推公式 既然知道了DP数组就是存储的类似
斐波那契数列的数列
,那么递推公式,很显然就是当前元素=前两个元素的和。F(n) = F(n-1)+F(n-2)。 而且F(0) = 0,F(1)=1,F(2) = 2这是这个数列的特性,前三个值固定为0,1,2.
dp数组初始化
数组遍历顺序(因为这个数列是一维的,只需要一重循环,无需考虑这个) 打印dp数组(自己生成dp数组后,将dp数组输出看看,是否和自己预想的一样。)
class Solution { public int climbStairs ( int n) { int length = n>= 3 ? n: 3 ; int dp[ ] = new int [ length+ 1 ] ; dp[ 0 ] = 0 ; dp[ 1 ] = 1 ; dp[ 2 ] = 2 ; for ( int i = 3 ; i<= n ; i++ ) { dp[ i] = dp[ i- 1 ] + dp[ i- 2 ] ; } return dp[ n] ; }
}