动态规划专题第一章-第三章（坐标型、序列型、划分型）

本文链接：https://blog.csdn.net/hands_up_down/article/details/129942624

前言

动态规划是我最爱的算法，没有之一

（1）确定状态
1.1 最后一步

1.2 子问题

（2）转移方程

（3）初始条件和边界

（4）计算顺序

什么样的问题可以考虑使用DP解决？
在这里插入图片描述

最值性动态规划

coin change

核心解题步骤：以coin change为例，也就是有2,5,7面值的硬币，数量不限，用最少的硬币拼出27
在这里插入图片描述

通过从最后一步进行反推，缩小问题规模，得到子问题，从而定义状态

还是从最后一步出发，通过带入具体的场景，具体的条件，写出状态转移方程

在这里插入图片描述

状态转移方程不能覆盖的状态就需要提前给定

计算顺序的确定：当我们计算f[x]时，状态转移方程中用到的f[i]都必须已经得到结果

计数型动态规划

unique path

在这里插入图片描述

在这里插入图片描述

如何确定开几维数组？？？用几维数组的一个点表示状态？？？
A：看上图第三句话。这里没有出现专用术语，我想借用聚类算法中的说法。比如说，描述一个城市的发展状况，往往需要从多个维度去考虑，可以这样说，一个城市某一个发展状态是高维空间中的一个点，一个坐标。在这里，假设原问题是一个状态，这个状态也是高维空间中的一个坐标，这是在二维空间上的一个状态。不同的是，这个坐标被附加了一个值，可以说是权值，或者其他什么。这个权值和坐标有关系，权值是根据坐标计算而来
在这里插入图片描述

存在型动态规划

jump game

在这里插入图片描述

第二个条件好判断，对于第一个条件，我们不清楚青蛙是否能调到石头i，于是需要判断是否可以调到i，子问题也就呼之欲出了

在这里插入图片描述

坐标型动态规划

前言

在这里插入图片描述

坐标型dp总结

在这里插入图片描述

最长连续单调子序列

题面：
在这里插入图片描述

（1）确定状态
1.1 最后一步
在这里插入图片描述
特别关键的在于最后一句话，为什么是“以a[j-1]结尾”，而不是“到a[j-1]为止”

这个问题之前分析过，如果当作坐标型，确实可以覆盖所有情况，而序列型，划分型存在遗漏问题

可以这样想，对于最优情况，如果子序列长度大于1，那么一定是选择了a[i-1]元素，到a[i-1]为止不一定选择了a[i-1]

1.2 子问题
在这里插入图片描述

（2）转移方程
在这里插入图片描述

（3）初始条件和边界
在这里插入图片描述

（4）计算顺序

最小数字和路径

题面：
在这里插入图片描述
这也是一个最值型问题，但似乎也只是说可以考虑用DP来解决而已，并无法直接确定解决办法

（1）确定状态
1.1 最后一步在这里插入图片描述

1.2 子问题
在这里插入图片描述

（2）转移方程
在这里插入图片描述

（3）初始条件和边界
在这里插入图片描述

（4）计算顺序

炸弹能量（很有意思，出现了不同于以往的设置）

题面：
在这里插入图片描述
首先是做了一个用于简化问题的假设

并且先只考虑在一个方向上能炸死的敌人数量

（1）确定状态
1.1 最后一步
一般是通过最后一步反推来缩小问题规模，但似乎这个问题不好用最后一步

因为最后他只剩下一个坐标，又不是序列，也没有产生路径啥的，没法最后一步

1.2 子问题
在这里插入图片描述
这个子问题不好想，进而状态也是不好想的

（2）转移方程
在这里插入图片描述
从这里出发可以看到，上面之所以假设有敌人也能放炸弹，是为了能将值传下来。假设up[i-1]j是敌人，他不能放炸弹，根据状态的定义，那么up[i-1]j=0,可这并不代表up[i]j就是0啊，这样一来，就无法将更小规模问题的结果传递下来

对于墙，能放和不能放结果上等价，如果能放，操作就统一了

（3）初始条件和边界
在这里插入图片描述

（4）计算顺序
在这里插入图片描述

unique path2

题面：
在这里插入图片描述
解法：
（1）确定状态
1.1 最后一步

1.2 子问题

（2）转移方程

（3）初始条件和边界
在这里插入图片描述

（4）计算顺序

序列型动态规划

前言

在这里插入图片描述
序列型DP的重要变化：f[i]表示前i个元素，这与其他类型的DP有很大不同

best time to buy and sell stock(买卖股票的最好时间)

题面：
在这里插入图片描述

这个就没有用典型的最后一步来处理，也没有定义状态以及列出转移方程

解法：
（1）确定状态
1.1 最后一步

1.2 子问题

（2）转移方程

（3）初始条件和边界

（4）计算顺序

best time to buy and sell stock 2

题面：
在这里插入图片描述

解法：
（1）确定状态
1.1 最后一步

1.2 子问题

（2）转移方程

（3）初始条件和边界

（4）计算顺序

best time to buy and sell stock3

题面：
在这里插入图片描述

1）确定状态
1.1 最后一步
在这里插入图片描述
你看哈，枚举的是最后一次卖，没有说具体第几次。题干中说了，最多进行两次交易

这样按阶段进行划分的好处是，如果没有交易，就停在阶段1；交易1次，停在阶段3；交易2次，停在阶段5. 如果你知道当前处在哪个阶段，你就知道当前是否可以进行交易
在这里插入图片描述

1.2 子问题
在这里插入图片描述

（2）转移方程
在这里插入图片描述
（3）初始条件和边界

（4）计算顺序

best time to buy and sell stock4

在这里插入图片描述
这个系列主要调整的就是K的值，可以根据K和N的相对关系对其进行简化

N/2不好理解，可以继续放大至N

house robber

题面：
在这里插入图片描述

解法：
（1）确定状态
1.1 最后一步
在这里插入图片描述

1.2 子问题
在这里插入图片描述

（2）转移方程
在这里插入图片描述

（3）初始条件和边界
简化状态的定义
在这里插入图片描述

（4）计算顺序

house robber 2

题面：
在这里插入图片描述
和house robber相比，0和n-1相邻了。直觉来讲，边界这个位置需要单独考虑

就不考虑房子0

解法：
（1）确定状态
1.1 最后一步

1.2 子问题

（2）转移方程

（3）初始条件和边界

（4）计算顺序

paint house 2

题面：
在这里插入图片描述
唯一的区别在于之前只有三种颜色，但是现在有k中颜色可选

解法：
（1）确定状态
1.1 最后一步
在这里插入图片描述

1.2 子问题
在这里插入图片描述

（2）转移方程
在这里插入图片描述

在这里插入图片描述

（3）初始条件和边界

（4）计算顺序

counting bits

序列型 + 位操作

题面：
在这里插入图片描述
解法：
（1）确定状态
1.1 最后一步

这里的最后一步并不是典型的最后一步，所以不要拘泥于“最后一步”这种表述，核心是缩小问题规模
1.2 子问题

（2）转移方程
在这里插入图片描述

（3）初始条件和边界
在这里插入图片描述

（4）计算顺序

paint house

题面：
在这里插入图片描述
解法：
（1）确定状态
1.1 最后一步

如果能确定N-2存在哪几种可能就好了，那就记录下来

1.2 子问题
在这里插入图片描述
序列型在描述上和坐标型的区别：前者是以前 i 种…这种形式来描述问题的

（2）转移方程
在这里插入图片描述

（3）初始条件和边界

（4）计算顺序

russian doll envelops （俄罗斯套娃）

在这里插入图片描述
序列的每一个元素都是二维信息，需要综合两个维度的信息来筛选

通常，要对信息进行降维，也就是一个维度一个维度的处理

最后一步，以某一个元素为结果序列的最后一个元素，同时对应的dp为符合题意的值，在这，就表示嵌套的信封个数
在这里插入图片描述
然后就可以确定状态，定义f[i]的含义

之后就可以定义状态转移方程

接着就是初始条件和边界的确定

请注意，以上只是对信封的长度做了DP，还有宽度需要考虑