欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

清华学霸提灯给你讲解DP,听不懂你打我

程序员文章站 2022-09-21 15:01:27
最近九章算法和阿里云合办了一场在线编程大赛,根据赛后数据显示,超过70%的选手认为动态规划是最难对付的题型。而自从动态规划出现在算法面试后,同样成为求职者绕不开的“噩梦”。除了Google,TikTok等常面DP的大厂外,现在就连亚麻电面阶段也考DP了,如果没有准备的话,分分钟就可能挂面。动态规划的一大难点就是题型众多而又没有统一的解法。想要熟练掌握往往需要大量刷题来练习,这么做对于本就不充裕的准备时间来说,性价比太低。作为清华学霸,全国算法竞赛金牌,ACM全球总决赛选手,FLAG资深面试官,侯卫...

最近九章算法和阿里云合办了一场在线编程大赛,根据赛后数据显示,超过70%的选手认为动态规划是最难对付的题型

清华学霸提灯给你讲解DP,听不懂你打我

而自从动态规划出现在算法面试后,同样成为求职者绕不开的“噩梦”。除了Google,TikTok等常面DP的大厂外,现在就连亚麻电面阶段也考DP了,如果没有准备的话,分分钟就可能挂面。

清华学霸提灯给你讲解DP,听不懂你打我

动态规划的一大难点就是题型众多而又没有统一的解法。想要熟练掌握往往需要大量刷题来练习,这么做对于本就不充裕的准备时间来说,性价比太低。

作为清华学霸,全国算法竞赛金牌,ACM全球总决赛选手,FLAG资深面试官,侯卫东老师凭借丰富的刷题和面试经验,总结了一套针对动态规划的“4步解题法”。

今天通过一道经典题,侯老师给大家讲讲如何用4步解题法搞定动态规划题型。

换硬币问题 :
你有三种硬币,分别面值2元,5元和7元,每种硬币都有足够多。买一本书需要27元。如何用最少的硬币组合正好付清,不需要对方找钱?

可以使用动态规划的问题一般都有以下提问方式:

求最大值/最小值
从左上角到右上角路径的最大数字和、最长上升子序列长度
求方案数
有多少种方式走到右下角
有多少种方法选出K个数使得和是Sum
求存在性
取石子游戏,先手是否必胜
能不能选出K个数使得和是Sum

如果你碰到一个问题是以上提问方式,那么有90%的概率是使用动态规划来求解。要重点说明的是,若问题是让你求出“所有的”方案和结果,则肯定不是使用动态规划。

再回到这道题,“最少的硬币组合”,求最值问题,可以用DP来解。

1 第一步:确定状态

状态在动态规划中的作用属于定海神针。解动态规划时需要开一个数组,这里的“状态”就是指数组的每个元素f[i]或f[i][j]代表什么。

确定状态需要两个意识:最后一步和子问题

1.最后一步

这道题中,我们不知道最优策略是什么,但最优策略肯定是K枚硬币a1,a2……aK面值加起来是27。
这里的“最后一步”就是存在最后一枚硬币aK。
除去aK,前面的硬币面值和为27-aK。清华学霸提灯给你讲解DP,听不懂你打我

这里有两个关键点:

① 我们不关心前面的K-1枚硬币是怎么拼出27-aK的,也不知道aK和K,但是可以确定前面的硬币拼出了27-aK。

② 因为是最优策略,所以拼出的27-ak硬币数一定要最少(否则就不是最优策略)

2.子问题

现在问题变成了:最少用多少枚硬币可以拼出27-aK。也就是将原问题(27)转化成了一个子问题,而且规模更小(27-aK)

这种与原问题内核一致,但是规模更小的问题,就叫子问题。

为了简化定义,我们设状态f(X)=最少用多少枚硬币拼出X。所以问题就从求f(X)变成求f(X-aK)。

我们目前还不知道最后的硬币aK面额多少,但它的面额一定只可能是2/5/7之一。

如果aK是2,f(27)应该是f(27-2) + 1 (加上最后面值2的硬币)
如果aK是5,f(27)应该是f(27-5) + 1 (加上最后面值5的硬币)
如果aK是7,f(27)应该是f(27-7) + 1 (加上最后面值7的硬币)

除此以外,没有其他的可能了。

因为要求最少的硬币数,所以问题的解就可以这样表示:

f(27) = min{f(27-2)+1, f(27-5)+1, f(27-7)+1}

2 第二步:转移方程

设状态f[X]=最少用多少枚硬币拼出X对于任意X,f[X] = min{f[X-2]+1, f[X-5]+1, f[X-7]+1}

清华学霸提灯给你讲解DP,听不懂你打我

实际面试中,如果正确列出转移方程,问题基本就解决一半了。

很多同学基本也可以做到写出状态转移方程,但真正写程序的时候往往会出现很多错误或问题。

这就涉及到在在代码前的两个重要步骤,就是我们4步解题法的第三步和第四步。

3 第三步:初始条件和边界情况

f[X] = min{f[X-2]+1, f[X-5]+1, f[X-7]+1}的边界情况是X-2, X-5或者X-7不能小于0(硬币面值为正)

故对边界情况设定如下:

如果硬币面值不能组合出Y,就定义f[Y]=正无穷例如f[-1]=f[-2]=…=正无穷;
f[1] =min{f[-1]+1, f[-4]+1,f[-6]+1}=正无穷,表示拼不出1

**特殊情况:**本题的F[0]对应的情况为F[-2]、F[-5]、F[-7],按照上文的边界情况设定结果是正无穷。

但是实际上F[0]的结果是存在的(即使用0个硬币的情况下),F[0]=0。

这种用转移方程无法计算,但是又实际存在的情况,就必须通过手动定义。

所以这里定义初始条件为:F[0]=0.

而从0之后的数值是没矛盾的,比如F[1]= F[1-2]+1= F[-1]+1=正无穷(正无穷加任何数结果还是正无穷);F[2]= F[2-2]+1= F[0]+1=1……

4 第四步,确定计算顺序

那么开始计算时,是从F[1]、F[2]开始?还是从F[27]、F[26]开始呢?

判断计算顺序正确与否的原则是:
当我们要计算F[X](等式左边,如F[10])的时候,等式右边(f[X-2], f[X-5], f[X-7]等)都是已经得到结果的状态,这个计算顺序就是OK的。

实际就是从小到大的计算方式(偶有例外的情况我们后边再讲)。

例如我们算到F[12]的时候,发现F[11]、F[10]、F[9]都已经算过了,这种算法就是对的;
而开始算F[27]的时候,发现F[26]还没有算,这样的顺序就是错的。

很显然这样的情况下写一个FOR循环就够了。

回到这道题,采用动态规划的算法,每一步只尝试三种硬币,一共进行了27步。算法时间复杂度(即需要进行的步数)为27*3。

**原题练习:**LintCode 669.Coin Change

5 最后总结

动态规划4步解题法

  • 确定状态

    • 研究最优策略的最后一步
    • 转化为子问题
  • 转移方程

    • 根据子问题定义直接得到
  • 初始条件和边界情况

    • 细心,考虑周全
  • 计算顺序

    • 利用之前的计算结果

按照以上4步套路,基本上可以解决绝大多数类型的动态规划题。除了最值型动态规划,想要了解4步法在更多类型动态规划中的运用,可以来听侯卫东老师的《动态规划专题班》。

在《动态规划专题班》试听课中,侯卫东老师毫无保留地详细讲解了4步法具体如何应用。还没搞懂动态规划的同学一定要来听听看哇!

谁来讲

侯卫东 ACM世界总决赛选手

清华大学毕业,全国算法竞赛金牌得主,参加过ACM国际大学生程序设计竞赛全球总决赛。斩获Google,Facebook,Microsoft,Uber, Dropbox等多家offer,拥有丰富的面试和面试官经验。

免费试听内容

  • 什么是动态规划
  • 动态规划和递归的区别
  • 动态规划的解题要领
  • 动态规划三大类
  • 求最值/计数/可行性
  • 常见动态规划类型总结

如何报名免费试听:

戳我即可免费报名,随时试听

本文地址:https://blog.csdn.net/JiuZhang_ninechapter/article/details/108981950