动态规划 斐波那契数列

Dynamic Programming

什么是动态规划？动态规划就是将一个大问题不断向下拆分成小问题，直到拆分出的小问题可以求出其解，然后将小问题的解不断的向上合并，最终得到大问题的解决方案。

动态规划三要素：

1.问题的阶段

2. 每个阶段的状态

3. 从前一个阶段转化到后一个阶段之间的递推关系

----递推关系必须是从次小的问题开始到较大的问题之间的转化

f(n,m)=max{f(n-1,m),f(n-1,m-w[n])+p(n,m)}

DP特性

• 重复子问题

• 无后效性（后面的依赖前面，但前面的不可依赖后面）

• 最优子结构

斐波那契数列

1 1 2 3 5 8 13 。。。

F(N)=F(N-1)+F(N-2)

F(1)=1 F(2)=1

递归写法

static int Fib(int n) {

    if(n==1 || n==2)

        return 1;

    else return Fib(n-1)+Fib(n-2);

}

递归写法存在很多重复计算，可以考虑用一个数组保存之前的计算结果--》

递归DP: （从后往前计算）

int[] arr=new int[N+1];

static int Fib(int n) {

    if(arr[n]>0)

        return arr[n];//大于0表示这个值已经计算过，直接返回
    
    if(n==1 || n==2)

        return arr[n]=1;

    else return arr[n]=Fib(n-1)+Fib(n-2);

}

考虑两种情况：

1）N值特别大时，计算出的值int型数组可能存不下，int需要改为long

2）N值特别大时，比如1亿（需占用380M内存），存不下时，需要考虑节省空间。

迭代DP:(从前往后算）

int[] arr=new int[N+1];

static int Fib() {

    for(int i=1;i<=N;i++) {

        if(i==1 || i==2)

            arr[i]=1;//初始条件，为常数，一般写在for循环外面

        else

            arr[i]=arr[i-1]+arr[i-2];

    }

    return arr[N];

}

迭代DP，减少存储空间，只需要三个数组大小就可以存储（滑动窗口）

滑动窗口

static int[] arr=new int[3];

static int Fib(int n) {

    for(int i=0;i<n;i++) {

        if(i==0 || i==1)

            arr[i]=1;//一般写在for循环外面

        else

            arr[i%3]=arr[(i-1)%3]+arr[(i-2)%3];

    }

    return arr[(n-1)%3];

}

两种常见DP

最长递增子序列LIS

len[i]=max(len[j])+1 a[i]>a[j] 0

最大连续子序和

dp[i]=Math.max(dp[i-1]+arr[i],arr[i])

max=Math.max(dp[i],max)

DP解题步骤

一般解题步骤：

1.利用穷举搜索法解决给定问题

2.使用制表法只计算1次重复子问题

时间复杂度：

子问题的个数*单个子问题的时间复杂度

空间复杂度：

制表的大小

动态规划解题步骤：

1.暴力搜索

分步骤：

1）初始条件：前几步

2）递推条件：重复步骤

----》根据上面这两步可以做出递归，然后考虑是否有重复计算，进行优化

2.重复子问题-》DP

3.写DP

a.递归DP

1）定义表（数组）

2）递归

2.1 先判断是否计算过，return

2.2 初始条件，进行赋值，return

2.3 重复递归调用，return

b.迭代DP

1)定义表（数组）

2）初始条件赋值

3）动态算新值（for循环，从前往后）

4）return最后一个值