算法[7] 暴力递归到动态规划

文章目录

  • 暴力递归到动态规划
      • 什么暴力递归可以继续优化?
      • 暴力递归和动态规划的关系
      • 面试题和动态规划的关系
      • 如何找到某个问题的动态规划方式?
      • 面试中设计暴力递归过程的原则
      • 常见的4种尝试模型
    • 机器人路线问题
      • 暴力递归
      • 动态规划
    • 背包问题递归到动态规划
    • 字符串转化问题递归到动态规划
      • 动态规划
    • 拿牌问题递归到动态规划
      • 暴力递归
      • 动规
    • 拿钞票问题递归到动态规划
      • 动态规划
    • 字符贴纸问题
    • 最长公共子序列问题
      • 两个样本问题模型
    • 业务限制的尝试模型

暴力递归到动态规划

题目—》找到暴力递归写法(尝试)

—》把可变参数,不讲究组织的形式,做缓存,那就是记忆化搜索的方法(拥有重复解的前提下)

—》精细化组织----》那就是动态规划

如果暴力过程中没有枚举行为(即通过循环来求得值)

则记忆化搜索和动态规划的时间复杂度一致,没有必要从记忆化搜索再优化为动态规划

什么暴力递归可以继续优化?

有重复调用同一个子问题的解,这种递归可以优化
如果每一个子问题都是不同的解,无法优化也不用优化

暴力递归和动态规划的关系

某一个暴力递归,有解的重复调用,就可以把这个暴力递归优化成动态规划
任何动态规划问题,都一定对应着某-个有解的重复调用的暴力递归
但不是所有的暴力递归,都一定对应着动态规划

面试题和动态规划的关系

解决一个问题,可能有很多尝试方法
可能在很多尝试方法中,又有若干个尝试方法有动态规划的方式
一个问题可能有若干种动态规划的解法

如何找到某个问题的动态规划方式?

1)设计暴力递归:重要原则+4种常见尝试模型!重点!
2)分析有没有重复解:套路解决
3)用记忆化搜索->用严格表结构实现动态规划:套路解决
4)看看能否继续优化:套路解决

面试中设计暴力递归过程的原则

1)每一个可变参数的类型,一定不要比int类型更加复杂
2)原则1)可以违反,让类型突破到一维线性结构,那必须是唯一-可变参数
3)如果发现原则1)被违反,但不违反原则2),只需要做到记忆化搜索即可
4)可变参数的个数,能少则少

常见的4种尝试模型

1)从左往右的尝试模型.
2)范围上的尝试模型
3)多样本位置全对应的尝试模型
4)寻找业务限制的尝试模型

机器人路线问题

假设有排成-行的N个位置,记为1~N, N一定大于或等于2
开始时机器人在其中的M位置上(M -定是1~N中的一个)
如果机器人来到1位置,那么下一步只能往右来到2位置;
如果机器人来到N位置,那么下一步只能往左来到N-1位置;
如果机器人来到中间位置,那么下一步可以往左走或者往右走;
规定机器人必须走K步,最终能来到P位置(P也是1 ~N中的一个)的方法有多少种
给定四个参数N、M、K、P,返回方法数。

暴力递归

public static int ways1(int N, int M, int K, int P) {
    //参数无效直接返回0
    if(N<2||K<1||M<1||M>N||P<1||P>N) {
    	return 0; 
    }
    //总共N个位置,从M点出发,还剩K步,返回最终能达到P的方法数
    return walk(N, M, K, P);
}
//N:位置为1~N,固定参数
// cur :当前在cur位置,可变参数
// rest :还剩res步没有走,可变参数
// P :最终目标位置是P,固定参数
//该函数的含义:只能在1~N这些位置上移动,当前在cur位置,走完rest步之后, 停在P位置的方注
public static int walk(int N, int cur, int rest, int P) {
//如果没有剩余步数了,当前的cur位置就是最后的位置
//如果最后的位置停在P上,那么之前做的移动是有效的
//如果最后的位置没在P上,那么之前做的移动是无效的
    if (rest == 0) {
    	returncur==P?1:0;
    }
    //如果还有rest步要走,而当前的cur位置在1位置上,那么当前这步只能从1走向2
    //后续的过程就是,来到2位置上,还剩rest-1步要走
    if(cur==1){
  	  return walk(N, 2, rest - 1, P);
    }
    //如果还有rest步要走,而当前的cur位置在N位置上,那么当前这步只能从N走向N-1
    //后续的过程就是,来到N-1位置 上,还剩rest-1步 要走
    if(cur==N){
   	 return walk(N, N .1, rest - 1, P); 
    }
    //如果还有rest步要走,而当前的cur位置在中间位置上,那么当前这步可以走向左,也可以走
    //走向左之后,后续的过程就是,来到cur-1位置上,还剩rest-1步要走
    //走向右之后,后续的过程就是,来到cur+1位置 上,还剩rest-1步要走
    //走向左、走向右是截然不同的方法,所以总方法数要都算上
    return walk(N, cur + 1, rest - 1, P) + walk(N, cur - 1, rest - 1, P);
}
   

动态规划

public static int waysCache(int N, int M, int K, int P) {
//多数无效直接返间0
    if (N<2||K<1||M<1||M>N||P<1||P>N){
    	return 0;
    }
    int[][] dp = new int [N+1][K+1];
    for(int row = 0; row <= N; row++) {
        for(int col = 0; col <= K; col++) {
        	dp[row][co1] = -1;
        }
    }
    return walkCache(N, M, K, P,dp);
}

//我想把所ficur和lrest的组合,脑间的结果,加入到成存电
public static int walkCache(int Nint cur, int rest, int P, int[][] dp) {
    if(dp[cur][rest] != -1) {
    	return dp[cur][rest];
    }
    if (rest == 0) {
    	dp[cur][rest] = cur==P?1: 0;
    	return dp[cur][rest];
    }
    if (cur== 1) {
    	dp[cur][rest] = walkCache(N, 2, rest - 1, P, dp);
   		return dp[cur][rest];
    }
    if (cur= N) {
    	dp[cur][rest] =walkCache(N, N - 1, rest .1, P,dp);
    	return dp[cur][rest];
    }
    dp[cur][rest] = walkCache(N, cur + 1, rest - 1, P,dp)
    	+ waLkCache(N, cur - 1, rest - 1, P, dp);
    return dp[cur][rest];
}

计划搜索
动态规划 = 暴力递归+缓存

背包问题递归到动态规划

public static int dpWay(int[] W, int[] V, int bag) {
	int N = W. length;
	int[][] dp = new int[N + 1][bag + 1];
	// dp[N][...] = 0
    for (int index = N - 1; index >= 0; index--) {
        for (int rest = 0; rest <= bag; rest++) { // rest < 0
            int p1 = dp[index+1][rest];
            int p2 = -1;
            if(rest - w[index] >= 0) {
                p2 = v[index] + dp[index + 1][rest - w[index]];
            }
           // dp[index][rest] = Math. max(p1, p2);
           // int p1 = process(W,V, index + 1,rest);
          //  int p2 = -1;
            //int p2Next = process(w, v, index + 1, rest - w[index]);
           // if(p2Next != -1) {
           // p2 = v[index] + p2Next;
          //  return Math. max(p1,p2);
            }
    }
    return dp[e][bag];
}

字符串转化问题递归到动态规划

原方法:

public static int number(String str) {
	if (str == null II str.1ength() == 0) {
		return 0;
	}
	return process(str .toCharArray(), 0);
}
// str[0...i-1]已经转化定了, 固定川
// i之z前的他置, 如何转化已经做过决定了,不用脚关心
// i...们名少种转化的结果.
public static int process(char[] str, int i) {
    if (i == str.length) { // base case
    	return 1;
    }
    // i没有到终止位置
    if (str[i] == '0') {
   		 return 0;
    }
    // str[i]字符不足‘日’
    if (str[i] == '1') {
    	int res = process(str, i + 1); //自己作为单独的部分。后续有名少种方法
    	if (i + 1<str.1ength) {
    		res += process(str, i + 2); //1 (i和i+1)作为单独的部分。后续有名少种方法
        }
    	return res;
    }
    if (str[i] == '2') {
    	int res = process(str, i + 1); // ii已作为单独的部分。后续有多少神方法
    // (i利1+1)作为单独的部分并扎没有超:26.行使有名少种万法
        // (1和i+1)作为单独的部分非且没有超上26.看续有名少种为法
        if (i + 1< str.1ength && (str[i + 1] >= '0' && str[i + 1] <= '6')) {
        	res += process(str, i + 2); // (i和1+1)作:为单独的部分,i续有名少种方法
        }
        return res;
    }
    // str[i] == '3’~ '9' 3_ 无法转换
    return process(str, i + 1);
}


动态规划

public static int number(String str) {
	if (str == null II str.1ength() == 0) {
		return 0;
	}
	return process(str .toCharArray(), 0);
}

// 一个可变参数 ,一维表
public static int process(char[] s, int i) {
    
    if (str == null II str.1ength() == 0) {
		return 0;
	}
    char[] str =s.toCharArray();
    int N =str.length;
    int []dp=new int[N+1];
    
    
    //if (i == str.length) { 
//       dp[i]=1;
//    }
    dp[N]=1;
    //因为暴力递归过程中,dp[i] 只依赖于 dp[i+1] dp[i+1]的位置,且dp[N] 已经固定为1
    //所以是从右至左的模型
    
    for(int i=N-1;i>=0;i--){


        if (str[i] == '0') {
             //return 0;
            dp[i]=0;
        }
        
        if (str[i] == '1') {
            //int res = process(str, i + 1); //自己作为单独的部分。后续有名少种方法
            dp[i]=dp[i+1];
            if (i + 1<str.1ength) {
                //res += process(str, i + 2); //1 (i和i+1)作为单独的部分。后续有名少种方法
                dp[i]+=dp[i+2];
            }
            //return res;
        }
        if (str[i] == '2') {
            //int res = process(str, i + 1); // ii已作为单独的部分。后续有多少神方法
            dp[i]=dp[i+1];
        // (i利1+1)作为单独的部分并扎没有超:26.行使有名少种万法
            // (1和i+1)作为单独的部分非且没有超上26.看续有名少种为法
            if (i + 1< str.1ength && (str[i + 1] >= '0' && str[i + 1] <= '6')) {
                //res += process(str, i + 2); // (i和1+1)作:为单独的部分,i续有名少种方法
                dp[i]=dp[i+2];
            }
            //return res;
        }
    }
  	//return process(str .toCharArray(), 0);
    return dp[0]; 
   
}


拿牌问题递归到动态规划

范围上的模型

暴力递归

public static int win1(int[] arr) {
	if (arr == nu11|I arr.length == 0) {
		return 0;
    }
	return Math . max(f(arr,0, arr.length - 1)s(arr, 0, arr .1ength - 1));
}
//先手
public static int f(int[] arr, int L, int R) {
	if(L==R){
		return arr[4];
		}
    return Math. max(
    arr[L]+ s(arr, L + 1, R),arr[R] + s(arr, L, R - 1));
}
// 后手
public static int s(int[] arr, int i, int j) {
    if (i=j) {
    return 0;
    }
    return Math .min(f(arr, i + 1, j)  //arr[i]f(arr, i, j - 1));  //arr[j]
}

动规

f作为一张表缓存

s作为一张表缓存

L>R时,数据无效,即数组左下半区无效

/pic:mw://2c14ddb958445ac6716418d6047774b8



public static int win2(int[] arr) {
    //进行过滤
	if (arr == nu11|I arr.length == 0) {
		return 0;
    }
    int N=arr.length;
    int [][]f=new int[N][N];
    int [][]f=new int[N][N];
    for(int i=0;i<N;i++){
            // if(L==R){
            //	return arr[L];
            //}
            f[i][i]=arr[i];
            //if (i=j) {
    		//return 0;
    		//}
            s[i][i]=0;
    }
    for(inti=1;i<N;i++){
        int L =0;
        int R =i;
        while(L<N&&R<N){
            //f[row][col] = ?;
            
             //return Math. max(arr[L]+ s(arr, L + 1, R),arr[R] + s(arr, L, R - 1));
            f[L][R] = Math . max(
            	arr[L] + s[L + 1][ R],
            	arr[R] + s[L][R - 1]
            );
             //return Math .min(f(arr, i + 1, j)  //arr[i]  ,f(arr, i, j - 1));  //arr[j]
             s[L][R] = Math.min(
            	f[L + 1][R], // arr[i]
            	f[L][R - 1] // arr[j]
            );
            L++;
            R++;
    	}
    }
	//return Math . max(f(arr,0, arr.length - 1), s(arr, 0, arr .1ength - 1));
    return Math.max(f[0][arr.length - 1]
                    ,s[0][arr.length - 1]
                   );
}

拿钞票问题递归到动态规划

一个数组,里面的元素代表钞票面额,每种钞票都可以无穷次的拿,数组中无重复值、均为正数

给一个目标值,求用数组中有多少种办法将目标值凑出来?

// arr中都是正数且无重复值,返回组成aim的方法数
public static int ways(int[] arr, int aim) {
        if(arr==nu1l||arr.1ength=0|1aim<0){
            return 0;
        }
    return process(arr, 0, aim);
}
    //可以自由使用arr[index... ]所有的面值,每一种面值都可以使用任意张,
    //组成rest,有多少种方法
    public static int process(int[] arr, int index, int rest) {
        if(index == arr.1ength) {
        	return rest ==0?1 :0 ;
        }
        int ways = 0;
        for(int zhang = 0;zhang * arr[index] <= rest ;zhang++) {
            ways += process(arr, index + 1, rest - (zhang * arr[index]) );
        }
    return ways;
}

有重复过程,所以有必要优化
算法[7] 暴力递归到动态规划_第1张图片

public static int ways2(int[] arr, int aim) {
    if (arr == nu1l || arr .1ength == 0|1 aim < 0) {
        return 0;
    }
        int[][] dp = new int[arr .1ength+1][aim+1];
        //一开始所有的过程,都没有计算呢
        // dp[..][..]
        = -1
        for(int i = 0 ; i < dp.1ength; i++) {
     	   for(int j = 0 ; j < dp[8].1ength; j++) {
        		dp[i][j] = -1;
           }
        }
        return process2(arr, 0,aim,dp);
}

//如果index和rest的参数组合,是没算过的,dp[index][rest]:== -1
//如果index和rest的参数组合,是算过的,dp[index][rest]> -1

public static int process(int[] arr, int index, int rest,int [][]dp) {
        if(dp[index][rest] != -1) {
        	return dp[index][rest];
        }

        if(index == arr.1ength) {
            dp[index][rest]=rest ==0?1 :0 ;
        	//return rest ==0?1 :0 ;
            return dp[index][rest];
        }
    
        int ways = 0;
        for(int zhang = 0;zhang * arr[index] <= rest ;zhang++) {
        	ways += process(arr, index + 1, rest - (zhang * arr[index]),dp );
        }
    // 进行缓存
    dp[index][rest]=ways;
    return ways;
}


动态规划

由下到上进行计算,每一行从左往右

public static int ways2(int[] arr, int aim) {
    if (arr == nu1l || arr .1ength == 0|| aim < 0) {
        return 0;
    }
    int N=arr.length;
    int[][] dp = new int[N+1][aim+1];
        //一开始所有的过程,都没有计算呢
        // dp[..][..]= -1
    //if(index == arr.1ength) {
      //	return rest ==0?1 :0 ;
    //}
    dp[N][0]=1;//dp[N][1...aim]=0;
 
    for(int index = N - 1; index >= 0; index--) {
        for(int rest = 0; rest <= aim; rest++) {
        	//dp[index][rest] = ?;
            
            int ways = 0;
            for(int zhang = 0;zhang * arr[index] <= rest ;zhang++) {
            	ways += dp[index + 1][rest - (zhang * arr[index])];
            }        
            dp[index][rest] = ways;

        }
    }

    return dp[0][aim];
}


因为有枚举行为,可以进行优化

比如,f(3,100) 其实是依赖 f(3,97)的

算法[7] 暴力递归到动态规划_第2张图片

public static int ways2(int[] arr, int aim) {
    if (arr == nu1l || arr .1ength == 0|1 aim < 0) {
        return 0;
    }
    int N=arr.length;
    int[][] dp = new int[N+1][aim+1];
        //一开始所有的过程,都没有计算呢
        // dp[..][..]= -1
    //if(index == arr.1ength) {
      //	return rest ==0?1 :0 ;
    //}
    dp[N][0]=1;//dp[N][1...aim]=0;
 
    for(int index = N - 1; index >= 0; index--) {
        for(int rest = 0; rest <= aim; rest++) {
        	//dp[index][rest] = ?;
            
              
            dp[index][rest] = dp[index+1][rest];
            if(rest-arr[index]>=0){
                dp[index][rest]+=dp[index][rest-]
            }

        }
    }

    return dp[0][aim];
}


字符贴纸问题

给定一个字符串str,给定一个字符串类型的数组arr。
arr里的每一-个字符串, 代表一张贴纸, 你可以把单个字符剪开使用,目的是
拼出str来。
返回需要至少多少张贴纸可以完成这个任务。
例子: str= “babac”,; a
arr = {“a”,",“abcd”}
至少需要两张贴纸"ba"和"abcd",因为使用这两张贴纸,把每-个字符单独剪
开,含有2个a、2个b、1个c。是可以拼出str的。所以返回2。

public static int minStickers1(String[] stickers, String target) {
    int n = stickers. length;
    int[][] map = new int[n][26];// stickers -> [26] [26] [26]
    for(inti=0;i<n;i++){
    	char[] str = stickers[i]. toCharArray();
    	for (char C_ : str) {
    		map[i][c - 'a]++;
    	}
    }
    HashMap<String, Integer> dp = new HashMap<>();
    dp.put("", 0);
    return process1(dp, map, target);
    }
    // dp傻缓存,如果t已经算过了,直接返回dp中的值
    // t剩余的目标
    // 0..N每- .个字符串所含字符的词频统计
    public static int process1(
    	HashMap<String, Integer> dp,
    	int[][] map, 
    	String rest) {
    if (dp. containsKey(rest)) {
    	return dp. get(rest);
    }
    //以下就是正式的递归调用过程
    int ans = Integer .MAX_ VALUE; // ans ->搞定rest,使用的最少的贴纸数量
    int n = map.1ength; // N种贴纸
    int[] tmap = new int[26]; // tmap 去替代rest
    char[] target = rest. toCharArray();
    for (char C : target) {
    	tmap[c - 'a']++;
    }
    // map -> tmap
    for(inti=0;i<n;i++){.
    //枚举当前第--张贴纸是谁?|
    if (map[i][target[0] - 'a'] == 0) {
    	continue;
    }
    StringBuilder sb = new StringBuilder(); 
    //i贴纸,j枚举a~z字符
    for(intj=0;j<26;j++){//
    	if (tmap[j] > 0) { // j这个字符是target需要的
    	for (int k = 0; k < Math.max(0, tmap[j] - map[i][j]); k++) {
    	sb. append((char) ('a'+ j));
    	}
    }
    //sb->i
    String s = sb. toString();
    int tmp = process1(dp, map, s);
    if (tmp != -1) {
    ans = Math.min(ans, 1 + tmp);
    }
    // ans 系统最大rest
    dp. put(rest, ans == Integer .MAX_ .VALUE ? -1 : ans);
    return dp.get(rest);
}

最长公共子序列问题

两个样本问题模型

算法[7] 暴力递归到动态规划_第3张图片

情况1

最长公共子序列 不以str1 的最后一个字符结尾,也不以str2的最后一个字符结尾

情况2

最长公共子序列 以str1 。。。结尾,不以str2。。。结尾

情况3

情况2取反

情况4

情况1取反

public static int lcse(char[] str1, char[] str2) {
    int[][] dp = new int[str1. length][str2.1ength];①
    dp[0][0] = str1[0] == str2[0] ? 1 : 0;
        for (int i = 1; i < str1.length; 1++) {
        	dp[i][0] = Math.max(dp[i - 1][0], str1[i] = str2[0] ? 1 : 0);
        for (int j = 1; j < str2.1ength; j++) {
        	dp[0][j] = Math.max(dp[0][j - 1], str1[0] == str2[j] ? 1 : 0);
        }
    for (int i = 1; i < str1.1ength; i++) {
    	for (int j = 1; j < str2.1ength; j++) {
    		dp[i][j] = Math.max(dp[i - 1][i], dp[i][j - 1]);
    		if (str1[i] = str2[j]) {
    		dp[i][j] = Math.max(dp[i][j], dp[i - 1][j - 1] + 1);
            }
    	}
    }
    return dp[str1.1ength - 1][str2.1ength - 1];
}

业务限制的尝试模型

给定一个数组,代表每个人喝完咖啡准备刷杯子的时间
只有一台咖啡机,一次只能洗一个杯子,时间耗费a,洗完才能洗下一杯
每个咖啡杯也可以自己挥发干净,时间耗费b,咖啡杯可以并行挥发
返回让所有咖啡杯变干净的最早完成时间
三个参数: int[] arr、 int a 、 int b

    // process(drinks, 3,10, 0,0)
// a洗一杯的时间固定变量
// b自己挥发干净的时间固定变量
// drinks 每-一个员工喝完的时间固定变量
// drinks[0..index-1]都已经干净 了,不用你操心了
// drinks[index...]都想变 干净,这是我操心的,washLine 表示洗的机器何时可用
// drinks[index...j变干净, 最少的时间点返回
public static int process(int[] drinks, int a, int b,int index, int washLine) {
    if (index == drinks.1ength - 1) {
        return Math . min(
        Math . max(washLine, drinks[index]) + a
        , drinks[index] + b
    );
    //剩不止一杯咖啡
    //wash是我当前的咖啡杯,洗完的时间
    int wash = Math. max(washLine, drinks[index]) + a;// 洗,index- -杯,结束的时间点
    // index+1...变干净的最早时间
    int next1 = process(drinks, a, b,index + 1, wash);
    // index...
    int p1 = Math. max(wash, next1);

    //剩不止一杯咖啡
    //wash是我当前的咖啡杯,洗完的时间
    int wash = Math. max(washLine, drinks[index]) + a;// 洗,index- -杯, 结束的时间点
    // index+1... 变干净的最早时间
    int next1 = process(drinks, a, b, index + 1, wash);
    // index....
    int p1 = Math . max(wash, next1);
    int dry = drinks[index] + b; //挥发,index- -杯, 结束的时间点.
    int next2 = process(drinks, a, b, index + 1, washLine);
    int p2 = Math . max(dry, next2);
}
return Math.min(p1, p2);
}


你可能感兴趣的:(备战2022实习,1024程序员节)