内容简介:欢迎点击「算法与编程之美」↑关注我们!动态规划(Dynamic Programming)算法是计算机科学科学领域中最重要也是最常用的一个算法,巧妙的利用它可以解决很多复杂的问题,而且该算法也频繁的出现在各大互联网公司的面试中,因此掌握它是十分必要的。但该算法对于初学者来说
欢迎点击「算法与编程之美」↑关注我们!
本文首发于微信公众号:"算法与编程之美",欢迎关注,及时了解更多此系列文章。
动态规划(Dynamic Programming)算法是计算机科学科学领域中最重要也是最常用的一个算法,巧妙的利用它可以解决很多复杂的问题,而且该算法也频繁的出现在各大互联网公司的面试中,因此掌握它是十分必要的。
但该算法对于初学者来说 理解并 掌握并非易事,本系列教程将带领大家一起来学习该算法,通过经典的案列介绍和问题分析以及 python 代码实现,帮助大家彻底理解动态规划。
问题描述
首先我们来看一道非常经典的“凑硬币”题目:
面值为 1 元、 3 元、 5 元的硬币若干,如何用最少的硬币凑够 11 元?
解决方案
在具体的编码之前,需要对问题做深入的分析。
步骤 1 :用函数的形式来表示题目结果。
设 f(x)= y ,该函数表示凑够 x 元,最少的硬币数量为 y 。
举例如下:
- 凑够 1 元最少的硬币数量为 1 ,则可表示为 f(1)= 1
- 凑够 11 元最少的硬币数量为 3 ,则可表示为 f(11)= 3
步骤 2 :分析递推情况。
凑够 11 元,我们需要多次选择,如:
第一次选择 1 元,则还需要凑够 11- 1 = 10 元;
第二次选择 3 元,则还需要凑够 10- 3 = 7 元;
。。。
如果选择了一枚 1 元硬币,则 f(11)= 1 + f(11-1) ,表示凑够 11 元选择了一枚 1 元硬币,那么还剩下需要凑够 11-1= 10 元的硬币数量 f(10) 。
同理如果选择 3 元则 f(11)= 1 + f(11-3) ,如果选择 5 元则 f(11)= 1 + f(11-5) 。
根据题目要求凑够 11 元使用最少的硬币,所以
f(11) = min{1+f(10), 1+f(8),1+f(6)}
注:此处大家要充分理解 f(x) 函数的含义, f(x) 表示凑够 x 元最少需要的硬币数量。
通过分析 f(11) 我们知道要想求解 f(11) 必须先求解 f(10),f(8), f(6) 。
f(10) = min{1+f(10-1), 1+f(10-3), 1+f(10-5)}
f(8) = min{1+f(8-1), 1+f(8-3), 1+f(8-5)}
f(6) = min{1+f(6-1), 1+f(6-3), 1+f(6-5)}
。。。
故,要想求解 f(11) ,必须先求解 f(10),f(8),f(6) ,而要求解 f(10) 必须先求解 f(9),f(7), f(5) ,其他的同理,所以只有计算了前面函数的值后,才能得到后面的函数结果。
在认真分析 f(11) 之后,我们很容易的得出一般情况即:
f(i) = min{ 1+f(i-1), 1+f(i-3), 1+f(i-5)}
凑够 i 元,可以有三种方案,分别是选择一枚 1 元、一枚 3 元或一枚 5 元,然后选择这三种方案中最小的值。这就是得出的针对一般情况的递推结果。这个递推公式对于求解动态规划题目来说显得尤为重要。
以上就是分析递推的情况,不知您理解了与否。
步骤 3 :算法实现
在了解问题的解决思路后,可以选择任何一门熟悉的编程语言去实现,如 c,java 等。下面将介绍python的实现思路:
import numpy as np
MAX_YUAN = 20
# dp表示凑够n元最少需要多少硬币
dp = np.zeros((MAX_YUAN,) , dtype=np.int )
dp[1] = 1
dp[2] = 2
dp[3] = 1
dp[4] = 2
dp[5] = 1
# path表示凑够n元第一次选择的币值
path = np.zeros((MAX_YUAN,), dtype=np.int)
path[0] = 0
path[1] = 1
path[2] = 1
path[3] = 3
path[4] = 3
path[5] = 5
for i in range(6, MAX_YUAN):
candidate = np.zeros((3,), dtype=np.int64)
candidate[0] = 1 + dp[i - 1]
candidate[1] = 1 + dp[i - 3]
candidate[2] = 1 + dp[i - 5]
index = candidate.argmin()
if index == 0:
path[i] = 1
elif index == 1:
path[i] = 3
else:
path[i] = 5
dp[i] = candidate.min()
print(dp)
print(path)
# 打印凑够19元的硬币币值
# 结果:1 3 5 5 5
i = 19
while i != 0:
print(path[i])
i = i - path[i]
注:上述代码中path变量的理解难度较大,后续文章将深入介绍代码实现。
结语
如果不了解算法思想,不了解分析问题的思路和方法,即使精通任何一门编程语言也无济于事,因为无从下手,这也是公众号一直强调的分享算法思想,帮助大家彻底理解算法。
后面将持续分享 深入理解 计算机领域经典算法的文章,欢迎持续关注。
如果您对某些算法有困惑,欢迎下方留言,我们将第一时间为大家提供博客阐述算法思想。
拓展阅读:
温馨提示: 点击页面右下角 “写留言” 发表评论,期待您的参与!期待您的转发!
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 硬币找零问题之动态规划
- 详解动态规划最少硬币找零问题--JavaScript实现
- LeetCode每日一题: 排列硬币(No.441)
- 第五届蓝桥杯Java B——矩阵翻硬币
- 我们的大脑会掷硬币吗?来聊聊决策的神经机制
- 通俗易懂--决策树算法、随机森林算法讲解(算法+案例)
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。