动态规划算法入门---java版

转载：http://blog.csdn.net/p10010/article/details/50196211

 

动态规划算法（后附常见动态规划为题及Java代码实现）

一、基本概念

    动态规划过程是：每次决策依赖于当前状态，又随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的，所以，这种多阶段最优化决策解决问题的过程就称为动态规划。

二、基本思想与策略

    基本思想与分治法类似，也是将待求解的问题分解为若干个子问题（阶段），按顺序求解子阶段，前一子问题的解，为后一子问题的求解提供了有用的信息。在求解任一子问题时，列出各种可能的局部解，通过决策保留那些有可能达到最优的局部解，丢弃其他局部解。依次解决各子问题，最后一个子问题就是初始问题的解。

    由于动态规划解决的问题多数有重叠子问题这个特点，为减少重复计算，对每一个子问题只解一次，将其不同阶段的不同状态保存在一个二维数组中。

    与分治法最大的差别是：适合于用动态规划法求解的问题，经分解后得到的子问题往往不是互相独立的（即下一个子阶段的求解是建立在上一个子阶段的解的基础上，进行进一步的求解）。

以上都过于理论，还是看看常见的动态规划问题吧！！！

三、常见动态规划问题

   1、找零钱问题

   有数组penny，penny中所有的值都为正数且不重复。每个值代表一种面值的货币，每种面值的货币可以使用任意张，再给定一个整数aim(小于等于1000)代表要找的钱数，求换钱有多少种方法。
给定数组penny及它的大小(小于等于50)，同时给定一个整数aim，请返回有多少种方法可以凑成aim。
测试样例：
[1,2,4],3,3
返回：2

解析：设dp[n][m]为使用前n中货币凑成的m的种数，那么就会有两种情况：

             使用第n种货币：dp[n-1][m]+dp[n-1][m-peney[n]]

              不用第n种货币：dp[n-1][m]，为什么不使用第n种货币呢，因为penney[n]>m。

        这样就可以求出当m>=penney[n]时 dp[n][m] = dp[n-1][m]+dp[n-1][m-peney[n]]，否则，dp[n][m] = dp[n-1][m]

代码如下：

 "font-size:18px;">import java.util.*;

 public class Exchange {
     public int countWays(int[] penny, int n, int aim) {
         // write code here
         if(n==0||penny==null||aim<0){
          return 0;
         }
         int[][] pd = new int[n][aim+1];
         for(int i=0;i
          pd[i][0] = 1;
         }
         for(int i=1;penny[0]*i<=aim;i++){
          pd[0][penny[0]*i] = 1;
         }
         for(int i=1;i
             for(int j=0;j<=aim;j++){
                 if(j>=penny[i]){
                     pd[i][j] = pd[i-1][j]+pd[i][j-penny[i]];
                 }else{
                     pd[i][j] = pd[i-1][j];
                 }
             }
         }
         return pd[n-1][aim];
     }
 }

2、走方格问题

  有一个矩阵map，它每个格子有一个权值。从左上角的格子开始每次只能向右或者向下走，最后到达右下角的位置，路径上所有的数字累加起来就是路径和，返回所有的路径中最小的路径和。
给定一个矩阵map及它的行数n和列数m，请返回最小路径和。保证行列数均小于等于100.
测试样例：
[[1,2,3],[1,1,1]],2,3
返回：4

解析：设dp[n][m]为走到n*m位置的路径长度，那么显而易见dp[n][m] = min(dp[n-1][m],dp[n][m-1]);

 

代码如下：

 "font-size:18px;">import java.util.*;

 public class MinimumPath {
     public int getMin(int[][] map, int n, int m) {
         // write code here
        int[][] dp = new int[n][m];
         for(int i=0;i
             for(int j=0;j<=i;j++){
              dp[i][0]+=map[j][0];
             }
         }
         for(int i=0;i
             for(int j=0;j<=i;j++){
              dp[0][i]+=map[0][j];
             }
         }
         for(int i=1;i
             for(int j=1;j
              dp[i][j] = min(dp[i][j-1]+map[i][j],dp[i-1][j]+map[i][j]);
             }
         }
         return dp[n-1][m-1];
     }
     public int min(int a,int b){
         if(a>b){
          return b;
         }else{
          return a;
         }
     }
 }

3、走台阶问题

有n级台阶，一个人每次上一级或者两级，问有多少种走完n级台阶的方法。为了防止溢出，请将结果Mod 1000000007
给定一个正整数int n，请返回一个数，代表上楼的方式数。保证n小于等于100000。
测试样例：
1
返回：1

解析：

这个问题典型的斐波那契数列问题。
假设N级楼梯的爬法有A(N)种方法，假设第一步上一个台阶，则上法有A(N-1)种，如果第一步上两个台阶，则上法有A(N-2)种方法，因此：
A(N)=A(N-1)+A(N-2)
而A(1)=1，A(2)=2，则A(3)=A(1)+A(2)=3，A(4)=A(2)+A(3)=5，……
从而可以递推出N阶台阶时的方法。

这是一个非常经典的为题，设f(n)为上n级台阶的方法，要上到n级台阶的最后一步有两种方式：从n-1级台阶走一步；从n-1级台阶走两步，于是就有了这个公式f(n) = f(n-1)+f(n-2);

代码如下：

 "font-size:18px;">import java.util.*;

 public class GoUpstairs {
     public int countWays(int n) {
         // write code here
         if(n<=2)
             return n;
         int f = 1%1000000007;
         int s = 2%1000000007;
         int t = 0;
         for(int i=3;i<=n;i++){
          t = (f+s)%1000000007;
          f = s;
          s = t;
         }
        return t;
     }
 }

4、最长公共序列数

给定两个字符串A和B，返回两个字符串的最长公共子序列的长度。例如，A="1A2C3D4B56”，B="B1D23CA45B6A”，”123456"或者"12C4B6"都是最长公共子序列。
给定两个字符串A和B，同时给定两个串的长度n和m，请返回最长公共子序列的长度。保证两串长度均小于等于300。
测试样例：
"1A2C3D4B56",10,"B1D23CA45B6A",12
返回：6

解析：设dp[n][m] ，为A的前n个字符与B的前m个字符的公共序列长度，则当A[n]==B[m]的时候，dp[i][j] = max(dp[i-1][j-1]+1,dp[i-1][j],dp[i][j-1])，否则，dp[i][j] = Math.max(dp[i-1][j],dp[i][j-1]);

代码如下：

 "font-size:18px;">import java.util.*;

 public class LCS {
     public int findLCS(String A, int n, String B, int m) {
         // write code here
         int[][] dp = new int[n][m];
         char[] a = A.toCharArray();
         char[] b = B.toCharArray();
        for(int i=0;i
            if(a[i]==b[0]){
                dp[i][0] = 1;
                for(int j=i+1;j
                    dp[j][0] = 1;
                }
                break;
            }

        }
          for(int i=0;i
            if(a[0]==b[i]){
                dp[0][i] = 1;
                for(int j=i+1;j
                    dp[0][j] = 1;
                }
                break;
            }

        }
        for(int i=1;i
            for(int j=1;j
                if(a[i]==b[j]){
                   dp[i][j] = max(dp[i-1][j-1]+1,dp[i-1][j],dp[i][j-1]);
                }else{
                    dp[i][j] = Math.max(dp[i-1][j],dp[i][j-1]);
                }

            }
        }

         return dp[n-1][m-1];
     }
     public int max(int a,int b,int c){
         int max = a;
         if(b>max)
             max=b;
         if(c>max)
             max = c;
         return max;
     }
 }