动态规划

LeetCode 动态规划专题 2：第 1 个动态规划问题的 3

2019-05-28  本文已影响16人  李威威

例1：LeetCode 第 70 题：Climbing Stairs

传送门：英文网址：70. Climbing Stairs ，中文网址：70. 爬楼梯 。

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。

每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？

注意：给定 n 是一个正整数。

示例 1：

输入： 2
输出： 2
解释： 有两种方法可以爬到楼顶。
1.  1 阶 + 1 阶
2.  2 阶

示例 2：

输入： 3
输出： 3
解释： 有三种方法可以爬到楼顶。
1.  1 阶 + 1 阶 + 1 阶
2.  1 阶 + 2 阶
3.  2 阶 + 1 阶

分析：分析问题过程中，我们发现这是一个递归问题，进而发现这个递归结构中存在许多重叠子问题，所以既可以使用记忆化搜索（从上到下），也可以使用动态规划（从下到上）来解决。最终我们发现，这个问题其实和斐波那契数列问题完全等价。我们可以画出这个问题的递归结构图。

image-20190118134508625

我们可以发现：1、该图是一个树形结构图；2、有重叠子问题。

image-20190118134524465

递归实现

Python 代码1：不合格的递归版本，存在大量重复计算

class Solution:

    def climbStairs(self, n):
        """
        :type n: int
        :rtype: int
        """
        if n == 0:
            return 1
        if n == 1:
            return 1
        return self.climbStairs(n - 1) + self.climbStairs(n - 2)

Java 代码：不合格的递归版本，存在大量重复计算

public class Solution {

    public int climbingStairs(int n) {
        if (n <= 0) {
            return 1;
        }
        int res = climbinng(n);
        return res;
    }

    private int climbinng(int n) {
        if (n == 1) {
            return 1;
        }
        if (n == 2) { // 方法1：一个台阶，一个台阶；方法2：一次上两个台阶
            return 2;
        }
        // 接下来就是看图说话了(乘法计数原理)
        return climbinng(n - 1) * 1 + climbinng(n - 2) * 1;
    }
}

说明：这一版代码有大量的“重叠子问题”，我们应该加上缓存。

使用记忆化搜索

Python 代码2：加入“缓存”的递归实现

class Solution:
    memo = None

    def _climbStairs(self, n):
        if Solution.memo[n] != -1:
            return Solution.memo[n]

        if n == 0:
            return 1
        if n == 1:
            return 1
        Solution.memo[n] = self._climbStairs(n - 1) + self._climbStairs(n - 2)
        return Solution.memo[n]

    def climbStairs(self, n):
        Solution.memo = [-1] * (n + 1)
        return self._climbStairs(n)

Java 代码：加入“缓存”的递归实现

public class Solution {

    private int[] memory;

    public int climbingStairs(int n) {
        if (n <= 0) {
            return 1;
        }
        memory = new int[n + 1];
        for (int i = 0; i < n + 1; i++) {
            memory[i] = -1;
        }
        int res = climbinng(n);
        return res;
    }

    private int climbinng(int n) {
        if (n == 1) {
            return 1;
        }
        if (n == 2) { // 方法1：一个台阶，一个台阶；方法2：一次上两个台阶
            return 2;
        }
        // 接下来就是看图说话了(乘法计数原理)
        if (memory[n] == -1) {
            memory[n] = climbinng(n - 1) * 1 + climbinng(n - 2) * 1;
        }
        return memory[n];
    }
}

说明：递归的代码写起来比较繁琐，我们可以用于思考。另一种写法就是“自底向上”，即“动态规划”。“动态规划”的代码是比较简洁的。

使用动态规划

在“记忆化搜索”的基础上，写出的动态规划版本。

思考过程：爬 0 个台阶，有 1 种爬法；
爬 1 个台阶，有 1 种爬法；
爬 2 个台阶，有 2 种爬法；
爬 3 个台阶，(2，1) + (1，2)；
爬 4 个台阶，(3，1) + (2，2)；
爬 5 个台阶，(4，1) + (3，2)；
爬 6 个台阶，(5，1) + (4，2)；
以此类推。其中，(i，j) 表示首先爬 i 个台阶的所有不同爬法，然后再爬 j 个台阶的不同爬法。

Python 代码：

class Solution:

    def climbStairs(self, n):
        if n == 0:
            return 1
        memo = [-1] * (n + 1)
        memo[0] = 1
        memo[1] = 1
        for i in range(2, n + 1):
            memo[i] = memo[i - 1] + memo[i - 2]
        return memo[n]

Java 代码：

public class Solution2 {

    public int climbingStairs(int n) {
        if (n <= 0) {
            return 1;
        }
        if (n == 1) {
            return 2;
        }
        int[] memory = new int[n + 1];
        for (int i = 0; i < n + 1; i++) {
            memory[i] = -1;
        }
        for (int i = 2; i < n + 1; i++) {
            memory[i] = memory[i - 1] + memory[i - 2];
        }
        return memory[n + 1];
    }

}

练习

练习1：LeetCode 第 120 题： 三角形最小路径和

传送门：三角形最小路径和。

给定一个三角形，找出自顶向下的最小路径和。每一步只能移动到下一行中相邻的结点上。

例如，给定三角形：

[
     [2],
    [3,4],
   [6,5,7],
  [4,1,8,3]
]

自顶向下的最小路径和为 11（即，2 + 3 + 5 + 1 = 11）。

说明：

如果你可以只使用 O(n) 的额外空间（n 为三角形的总行数）来解决这个问题，那么你的算法会很加分。

思路：关键的地方在于“从上到下”和“从下到上”思考的路径不同，导致解答的复杂程度不同。

1、“从上到下”：最边上的点只能从最边上的点走过来；

2、“从下到上”：每一点都有两个孩子：左孩子和右孩子，可以少掉很多讨论。

Python 代码：没有记忆化搜索的版本，有很多重叠子问题，讨论比较复杂

class Solution:

    def __init__(self):
        self.triangle = None

    def __pass_way(self, i, j):
        '''
        :param i: 表示第几层
        :param j: 表示第几个索引，j<=i
        :return:
        '''
        if i == 0:
            return self.triangle[0][0]

        res = float("inf")
        if j == 0:
            res = min(res, self.triangle[i][j] + self.__pass_way(i - 1, 0))
        elif j == i:
            res = min(res, self.triangle[i][j] + self.__pass_way(i - 1, j - 1))
        else:
            res = min(res, self.triangle[i][j] + self.__pass_way(i - 1, j - 1),
                      self.triangle[i][j] + self.__pass_way(i - 1, j))
        return res

    def minimumTotal(self, triangle):
        """
        :type triangle: List[List[int]]
        :rtype: int
        """
        self.triangle = triangle
        res = float("inf")
        n = len(self.triangle)
        for i in range(n):
            res = min(res, self.__pass_way(n - 1, i))

        return res

Python 代码：加入了“缓存”，实现记忆化搜索

class Solution:

    def __init__(self):
        self.triangle = None
        self.memo = []

    def __pass_way(self, i, j):
        """
        :param i: 表示第几层
        :param j: 表示第几个索引，j<=i
        :return:
        """
        if i == 0:
            return self.triangle[0][0]
        # 如果有缓存，就读缓存的内容
        if self.memo[i][j] is not None:
            return self.memo[i][j]

        res = float("inf")
        # 最左边的点，
        if j == 0:
            res = min(res, self.triangle[i][j] + self.__pass_way(i - 1, 0))
        elif j == i:
            res = min(res, self.triangle[i][j] + self.__pass_way(i - 1, j - 1))
        else:
            res = min(res, self.triangle[i][j] + self.__pass_way(i - 1, j - 1),
                      self.triangle[i][j] + self.__pass_way(i - 1, j))
        self.memo[i][j] = res
        return self.memo[i][j]

    def minimumTotal(self, triangle):
        """
        :type triangle: List[List[int]]
        :rtype: int
        """
        self.triangle = triangle
        res = float("inf")
        n = len(self.triangle)
        for i in range(1, n + 1):
            self.memo.append([None] * i)
        for i in range(n):
            res = min(res, self.__pass_way(n - 1, i))
        return res


if __name__ == '__main__':
    triangle = [[2], [3, 4], [6, 5, 7], [4, 1, 8, 3]]
    s = Solution()
    res = s.minimumTotal(triangle)
    print(res)

有了以上的分析，弄清楚递归结构，发现重叠子问题，我们还可以“自下而上”地用动态规划，代码看起来不会那么臃肿。

Python 代码3：动态规划

class Solution:

    def minimumTotal(self, triangle):
        """
        :type triangle: List[List[int]]
        :rtype: int
        """
        rows = len(triangle)
        for i in range(1, rows):
            current_cols = len(triangle[i])
            for j in range(current_cols):
                if j == 0:
                    triangle[i][j] = triangle[i][j] + triangle[i - 1][0]
                elif j == (current_cols - 1):
                    triangle[i][j] = triangle[i][j] + triangle[i - 1][j - 1]
                else:
                    triangle[i][j] = min(triangle[i][j] + triangle[i - 1][j - 1],
                                                 triangle[i][j] + triangle[i - 1][j])
        return min(triangle[rows - 1])

Python 代码3：动态规划

class Solution:
    def minimumTotal(self, triangle):
        """
        :type triangle: List[List[int]]
        :rtype: int
        """
        if len(triangle) == 0:
            return 0
        # 这里要多留一个位置，防止数组越界
        dp = [0] * (len(triangle) + 1)
        for i in range(len(triangle) - 1, -1, -1):
            for j in range(i + 1):
                # 【关键】自底向上，每个元素都有左右孩子，就相当于在最后一行加上一行 0
                dp[j] = triangle[i][j] + min(dp[j], dp[j + 1])
            print(dp)
        return dp[0]


if __name__ == '__main__':
    triangle = [[2], [3, 4], [6, 5, 7], [4, 1, 8, 3]]
    # triangle = [[-10]]
    s = Solution()
    res = s.minimumTotal(triangle)
    print(res)

下面是在 LeetCode 讨论区看到的一个写法，更简洁。

Python 代码：推荐

class Solution:
    def minimumTotal(self, triangle):
        """
        :type triangle: List[List[int]]
        :rtype: int
        """
        l = len(triangle)
        if l == 0:
            return 0
        dp = triangle[-1]
        for i in range(l - 2, -1, -1):
            for j in range(len(triangle[i])):
                dp[j] = min(dp[j], dp[j + 1]) + triangle[i][j]
        return dp[0]

练习2：LeetCode 第 64 题：最小路径和

传送门：英文网址：64. Minimum Path Sum ，中文网址：64. 最小路径和 。

给定一个包含非负整数的 m x n 网格，请找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。

说明：每次只能向下或者向右移动一步。

示例:

输入:
[
  [1,3,1],
  [1,5,1],
  [4,2,1]
]
输出: 7
解释: 因为路径 1→3→1→1→1 的总和最小。

思路：每一步只能左移或者下移。题目中给出了 grid 非负整数，可以保证走得越长，sum 的值越大；只能向右走或者向下走，保证了在非负整数矩阵的情况下，sum 的最小值存在。在分析清楚以后，我们可以直接在 grid 矩阵上原地修改，直接给出动态规划的解法，十分简单，逻辑也很清晰，核心代码不超过 10 行。

Python 代码：状态很好定义，题目中问什么，状态就定义成什么：dp[i][j]。

class Solution(object):
    def minPathSum(self, grid):
        """
        :type grid: List[List[int]]
        :rtype: int
        """
        m = len(grid)
        if m == 0:
            return 0
        n = len(grid[0])

        for col in range(1, n):
            # 第 0 行特殊处理，不要忘记了
            grid[0][col] += grid[0][col - 1]
        for row in range(1, m):
            grid[row][0] += grid[row - 1][0]
            for col in range(1, n):
                grid[row][col] += min(grid[row - 1][col], grid[row][col - 1])
        return grid[-1][-1]

Python 代码：与上面的写法一模一样

class Solution:
    def minPathSum(self, grid):
        """
        :type grid: List[List[int]]
        :rtype: int
        """
        rows = len(grid)
        cols = len(grid[0])
        for j in range(1, cols):
            grid[0][j] = grid[0][j] + grid[0][j - 1]
        for i in range(1, rows):
            for j in range(cols):
                if j == 0:
                    grid[i][j] = grid[i][j] + grid[i - 1][j]
                else:
                    grid[i][j] = min(grid[i][j] + grid[i - 1][j], grid[i][j] + grid[i][j - 1])
        return grid[rows - 1][cols - 1]

（本节完）

上一篇下一篇

猜你喜欢

热点阅读