一 动态规划
动态规划问题是面试题中的热门话题,如果要求一个问题的最优解(通常是最大值或者最小值),而且该问题能够分解成若干个子问题,并且小问题之间也存在重叠的子问题,则考虑采用动态规划。
使用动态规划特征:
1. 求一个问题的最优解
2. 大问题可以分解为子问题,子问题还有重叠的更小的子问题
3. 整体问题最优解取决于子问题的最优解(状态转移方程)
4. 从上往下分析问题,从下往上解决问题
5. 讨论底层的边界问题
实例1
剪绳子问题
给你一根长度为N的绳子,请把绳子剪成M段(m,n都是整数),每段绳子的
长度记为k[0],k[1],k[2]…. 请问如何剪绳子使得k[0],k[1],k[2]
的乘积最大
例如 绳子长度8 最大乘积18 = 2*3*3
def jianshengzi(n):
# 先对边界问题进行求解,因为明显剪的值小于不剪的值
# 则提出先讨论这三种情况
if n < 2:
return 0
if n == 2:
return 1 #长度为2,只能剪成1*1
if n == 3:
return 2 #长度为3,剪成2*1 > 1*1*1
#若绳子长于4呢,申请一个长度为50的数组
#罗列出切割的边界问题
h = [0]*50
h[0] = 0
h[1] = 1
h[2] = 2
h[3] = 3
# 递归问题是 f(n) = max{f(i)*f(n-i)}
for i in range(4,n+1):
maxs = 0
for j in range(1,i/2+1):
mult = h[j] * h[i-j]
if maxs < mult:
maxs = mult
h[i] = maxs # 每次J的迭代轮询出该长度的最大值
print h
return h[n]
print jianshengzi(8)
实例2
硬币问题
我们有面值为1元3元5元的硬币若干枚,如何用最少的硬币凑够11元?
分析:
1 求问题的最优解:最小的硬币数
2 是否有子问题:f(n)表示的最少硬币数是是上一次拿时候的硬币数最少。
注意:f(n)是n元的最小硬币数,最后一次可拿的硬币数为1,3,5 则下一步
的最小硬币数为 f(n-vi) 它的状态变更不是按元数的,是按照上次拿的硬币钱目
3 状态转移方程为 f(n)= min(f(n-vi)+1)
4 边界问题(找到最后一个重复的问题) 这里
f(1)=1 ,f(2)=f(1)+f(1)=2 f(3)=min(1,f(2)+1)
f(4)=f(3)+1 f(5)=1
5 从上往下分析问题,从下往上解决问题。
def f(n):
if n == 1: #把所有的边界问题找到
return 1
if n == 2:
return 2
if n == 3:
return 1
if n == 4:
return 2
if n == 5:
return 1
h = [1,3,5]
minx = n
for i in range(3):
coun = f(n-h[i])+1 # 采用了递归的思想 这里是从上到下,
if minx > coun: # 复杂度比较高
minx = coun
return minx
print f(11)
def f(n):
if n == 1:
return 1
if n == 2:
return 2
if n == 3:
return 1
if n == 4:
return 2
if n == 5:
return 1
h = [1,3,5]
for x in range(6,n+1): #从下往上的思维解决
minx = n
for i in range(3):
coun = f(x-h[i])+1 #从下往上的思维解决
if minx > coun:
minx = coun
return minx
print f(11)