国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

看動畫輕松理解「遞歸」與「動態規劃」

cnio / 2637人閱讀

摘要:程序員小吳打算使用動畫的形式來幫助理解遞歸,然后通過遞歸的概念延伸至理解動態規劃算法思想。因此,分治策略一般用來解決子問題相互對立的問題,稱為標準分治,而動態規劃用來解決子問題重疊的問題。難點就在于找出動態規劃中的這三個概念。

在學習「數據結構和算法」的過程中,因為人習慣了平鋪直敘的思維方式,所以「遞歸」與「動態規劃」這種帶循環概念(繞來繞去)的往往是相對比較難以理解的兩個抽象知識點。

程序員小吳打算使用動畫的形式來幫助理解「遞歸」,然后通過「遞歸」的概念延伸至理解「動態規劃」算法思想。

什么是遞歸

先下定義:遞歸算法是一種直接或者間接調用自身函數或者方法的算法。

通俗來說,遞歸算法的實質是把問題分解成規模縮小的同類問題的子問題,然后遞歸調用方法來表示問題的解。它有如下特點:

一個問題的解可以分解為幾個子問題的解

這個問題與分解之后的子問題,除了數據規模不同,求解思路完全一樣

存在遞歸終止條件,即必須有一個明確的遞歸結束條件,稱之為遞歸出口

通過動畫一個一個特點來進行分析。

1.一個問題的解可以分解為幾個子問題的解

子問題就是相對與其前面的問題數據規模更小的問題。

在動圖中①號問題(一塊大區域)劃分為②號問題,②號問題由兩個子問題(兩塊中區域)組成。

2. 這個問題與分解之后的子問題,除了數據規模不同,求解思路完全一樣

「①號劃分為②號」與「②號劃分為③號」的邏輯是一致的,求解思路是一樣的。

3. 存在遞歸終止條件,即存在遞歸出口

把問題分解為子問題,把子問題再分解為子子問題,一層一層分解下去,不能存在無限循環,這就需要有終止條件。

①號劃分為②號,②號劃分為③號,③號劃分為④號,劃分到④號的時候每個區域只有一個不能劃分的問題,這就表明存在遞歸終止條件。

從遞歸的經典示例開始 一.數組求和

Sum(arr[0...n-1]) = arr[0] + Sum(arr[1...n-1])

后面的 Sum 函數要解決的就是比前一個 Sum 更小的同一問題。

Sum(arr[1...n-1]) = arr[1] + Sum(arr[2...n-1])

以此類推,直到對一個空數組求和,空數組和為 0 ,此時變成了最基本的問題。

Sum(arr[n-1...n-1] ) = arr[n-1] + Sum([])
二.漢諾塔問題

漢諾塔(Hanoi Tower)問題也是一個經典的遞歸問題,該問題描述如下:

漢諾塔問題:古代有一個梵塔,塔內有三個座A、B、C,A座上有64個盤子,盤子大小不等,大的在下,小的在上。有一個和尚想把這個盤子從A座移到B座,但每次只能允許移動一個盤子,并且在移動過程中,3個座上的盤子始終保持大盤在下,小盤在上。

① 如果只有 1 個盤子,則不需要利用 B 塔,直接將盤子從 A 移動到 C 。

② 如果有 2 個盤子,可以先將盤子 2 上的盤子 1 移動到 B ;將盤子 2 移動到 C ;將盤子 1 移動到 C 。這說明了:可以借助 B 將 2 個盤子從 A 移動到 C ,當然,也可以借助 C 將 2 個盤子從 A 移動到 B 。

③ 如果有 3 個盤子,那么根據 2 個盤子的結論,可以借助 C 將盤子 3 上的兩個盤子從 A 移動到 B ;將盤子 3 從 A 移動到 C ,A 變成空座;借助 A 座,將 B 上的兩個盤子移動到 C 。

  

④ 以此類推,上述的思路可以一直擴展到 n 個盤子的情況,將將較小的 n-1個盤子看做一個整體,也就是我們要求的子問題,以借助 B 塔為例,可以借助空塔 B 將盤子A上面的 n-1 個盤子從 A 移動到 B ;將A 最大的盤子移動到 C , A 變成空塔;借助空塔 A ,將 B 塔上的 n-2 個盤子移動到 A,將 C 最大的盤子移動到 C, B 變成空塔。。。

三.爬臺階問題

問題描述:

一個人爬樓梯,每次只能爬1個或2個臺階,假設有n個臺階,那么這個人有多少種不同的爬樓梯方法?

先從簡單的開始,以 4 個臺階為例,可以通過每次爬 1 個臺階爬完樓梯:

可以通過先爬 2 個臺階,剩下的每次爬 1 個臺階爬完樓梯

在這里,可以思考一下:可以根據第一步的走法把所有走法分為兩類:

① 第一類是第一步走了 1 個臺階

② 第二類是第一步走了 2 個臺階

所以 n 個臺階的走法就等于先走 1 階后,n-1 個臺階的走法 ,然后加上先走 2 階后,n-2 個臺階的走法。

用公式表示就是:

 f(n) = f(n-1)+f(n-2)  

有了遞推公式,遞歸代碼基本上就完成了一半。那么接下來考慮遞歸終止條件。

當有一個臺階時,我們不需要再繼續遞歸,就只有一種走法。

所以 f(1)=1

通過用 n = 2n = 3 這樣比較小的數試驗一下后發現這個遞歸終止條件還不足夠。

n = 2 時,f(2) = f(1) + f(0)。如果遞歸終止條件只有一個 f(1) = 1,那 f(2) 就無法求解,遞歸無法結束。
所以除了 f(1) = 1 這一個遞歸終止條件外,還要有 f(0) = 1,表示走 0 個臺階有一種走法,從思維上以及動圖上來看,這顯得的有點不符合邏輯。所以為了便于理解,把 f(2) = 2 作為一種終止條件,表示走 2 個臺階,有兩種走法,一步走完或者分兩步來走。

總結如下:

① 假設只有一個臺階,那么只有一種走法,那就是爬 1 個臺階

② 假設有兩個個臺階,那么有兩種走法,一步走完或者分兩步來走

通過遞歸條件:

f(1) = 1;
f(2) = 2;
f(n) = f(n-1)+f(n-2)

很容易推導出遞歸代碼:

int f(int n) {
  if (n == 1) return 1;
  if (n == 2) return 2;
  return f(n-1) + f(n-2);
}

通過上述三個示例,總結一下如何寫遞歸代碼:

1.找到如何將大問題分解為小問題的規律

2.通過規律寫出遞推公式

3.通過遞歸公式的臨界點推敲出終止條件

4.將遞推公式和終止條件翻譯成代碼

什么是動態規劃

介紹動態規劃之前先介紹一下分治策略(Divide and Conquer)。

分治策略

將原問題分解為若干個規模較小但類似于原問題的子問題(Divide),「遞歸」的求解這些子問題(Conquer),然后再合并這些子問題的解來建立原問題的解。

因為在求解大問題時,需要遞歸的求小問題,因此一般用「遞歸」的方法實現,即自頂向下。

動態規劃(Dynamic Programming)

動態規劃其實和分治策略是類似的,也是將一個原問題分解為若干個規模較小的子問題,遞歸的求解這些子問題,然后合并子問題的解得到原問題的解。
區別在于這些子問題會有重疊,一個子問題在求解后,可能會再次求解,于是我們想到將這些子問題的解存儲起來,當下次再次求解這個子問題時,直接拿過來就是。
其實就是說,動態規劃所解決的問題是分治策略所解決問題的一個子集,只是這個子集更適合用動態規劃來解決從而得到更小的運行時間。
即用動態規劃能解決的問題分治策略肯定能解決,只是運行時間長了。因此,分治策略一般用來解決子問題相互對立的問題,稱為標準分治,而動態規劃用來解決子問題重疊的問題。

與「分治策略」「動態規劃」概念接近的還有「貪心算法」「回溯算法」,由于篇幅限制,程序員小吳就不在這進行展開,在后續的文章中將分別詳細的介紹「貪心算法」、「回溯算法」、「分治算法」,敬請關注:)

將「動態規劃」的概念關鍵點抽離出來描述就是這樣的:

1.動態規劃法試圖只解決每個子問題一次

2.一旦某個給定子問題的解已經算出,則將其記憶化存儲,以便下次需要同一個子問題解之時直接查表。

從遞歸到動態規劃

還是以 爬臺階 為例,如果以遞歸的方式解決的話,那么這種方法的時間復雜度為O(2^n),具體的計算可以查看筆者之前的文章 《冰與火之歌:時間復雜度與空間復雜度》。

相同顏色代表著 爬臺階問題 在遞歸計算過程中重復計算的部分。

通過圖片可以發現一個現象,我們是 自頂向下 的進行遞歸運算,比如:f(n)f(n-1)f(n-2)相加,f(n-1)f(n-2)f(n-3)相加。

思考一下:如果反過來,采取自底向上,用迭代的方式進行推導會怎么樣了?

下面通過表格來解釋 f(n)自底向上的求解過程。

臺階數 1 2 3 4 5 6 7 8 9
走法數 1 2

表格的第一行代表了樓梯臺階的數目,第二行代表了若干臺階對應的走法數。
其中f(1) = 1f(2) = 2是前面明確的結果。

第一次迭代,如果臺階數為 3 ,那么走法數為 3 ,通過 f(3) = f(2) + f(1)得來。

臺階數 1 2 3 4 5 6 7 8 9
走法數 1 2 3

第二次迭代,如果臺階數為 4 ,那么走法數為 5 ,通過 f(4) = f(3) + f(2)得來。

臺階數 1 2 3 4 5 6 7 8 9
走法數 1 2 3 5

由此可見,每一次迭代過程中,只需要保留之前的兩個狀態,就可以推到出新的狀態。

show me the code
int f(int n) {
    if (n == 1) return 1;
    if (n == 2) return 2;
    // a 保存倒數第二個子狀態數據,b 保存倒數第一個子狀態數據, temp 保存當前狀態的數據
    int a = 1, b = 2;
    int temp = a + b;
    for (int i = 3; i <= n; i++) {
        temp = a + b;
        a = b;
        b = temp; 
    }
    return temp; 
}

程序從 i = 3 開始迭代,一直到 i = n 結束。每一次迭代,都會計算出多一級臺階的走法數量。迭代過程中只需保留兩個臨時變量 a 和 b ,分別代表了上一次和上上次迭代的結果。為了便于理解,引入了temp變量。temp代表了當前迭代的結果值。

看一看出,事實上并沒有增加太多的代碼,只是簡單的進行了優化,時間復雜度便就降為O(n),而空間復雜度也變為O(1),這,就是「動態規劃」的強大!

詳解動態規劃

「動態規劃」中包含三個重要的概念:

【最優子結構】

【邊界】

【狀態轉移公式】

在「 爬臺階問題 」中

f(10) = f(9) + f(8) 是【最優子結構】  
f(1) 與 f(2) 是【邊界】
f(n) = f(n-1) + f(n-2) 【狀態轉移公式】

「 爬臺階問題 」 只是動態規劃中相對簡單的問題,因為它只有一個變化維度,如果涉及多個維度的話,那么問題就變得復雜多了。

難點就在于找出 「動態規劃」中的這三個概念。

比如「 國王和金礦問題 」。

國王和金礦問題
有一個國家發現了 5 座金礦,每座金礦的黃金儲量不同,需要參與挖掘的工人數也不同。參與挖礦工人的總數是 10 人。每座金礦要么全挖,要么不挖,不能派出一半人挖取一半金礦。要求用程序求解出,要想得到盡可能多的黃金,應該選擇挖取哪幾座金礦?

找出 「動態規劃」中的這三個概念

國王和金礦問題中的【最優子結構】

國王和金礦問題中的【最優子結構】有兩個:

① 4 金礦 10 工人的最優選擇

② 4 金礦 (10 - 5) 工人的最優選擇

4 金礦的最優選擇與 5 金礦的最優選擇之間的關系是

MAX[(4 金礦 10 工人的挖金數量),(4 金礦 5 工人的挖金數量 + 第 5 座金礦的挖金數量)]

國王和金礦問題中的【邊界】

國王和金礦問題中的【邊界】 有兩個:

① 當只有 1 座金礦時,只能挖這座唯一的金礦,得到的黃金數量為該金礦的數量

② 當給定的工人數量不夠挖 1 座金礦時,獲取的黃金數量為 0

國王和金礦問題中的【狀態轉移公式】

我們把金礦數量設為 N,工人數設為 W,金礦的黃金量設為數組G[],金礦的用工量設為數組P[],得到【狀態轉移公式】:
?

邊界值:F(n,w) = 0 (n <= 1, w < p[0])

F(n,w) = g[0] (n==1, w >= p[0])

F(n,w) = F(n-1,w) (n > 1, w < p[n-1])

F(n,w) = max(F(n-1,w), F(n-1,w-p[n-1]) + g[n-1]) (n > 1, w >= p[n-1])

國王和金礦問題中的【實現】

先通過幾幅動畫來理解 「工人」 與 「金礦」 搭配的方式

1.只挖第一座金礦

在只挖第一座金礦前面兩個工人挖礦收益為 零,當有三個工人時,才開始產生收益為 200,而后即使增加再多的工人收益不變,因為只有一座金礦可挖。

2.挖第一座與第二座金礦

在第一座與第二座金礦這種情況中,前面兩個工人挖礦收益為 零,因為 W < 3,所以F(N,W) = F(N-1,W) = 0。

當有 三 個工人時,將其安排挖第 一 個金礦,開始產生收益為 200。

當有 四 個工人時,挖礦位置變化,將其安排挖第 二 個金礦,開始產生收益為 300。

當有 五、六 個工人時,由于多于 四 個工人的人數不足以去開挖第 一 座礦,因此收益還是為 300。

當有 七 個工人時,可以同時開采第 一 個和第 二 個金礦,開始產生收益為 500。

3.挖前三座金礦

這是「國王和金礦」 問題中最重要的一個動畫之一,可以多看幾遍

4.挖前四座金礦

這是「國王和金礦」 問題中最重要的一個動畫之一,可以多看幾遍

國王和金礦問題中的【規律】

仔細觀察上面的幾組動畫可以發現:

對比「挖第一座與第二座金礦」和「挖前三座金礦」,在「挖前三座金礦」中,3 金礦 7 工人的挖礦收益,來自于 2 金礦 7 工人和 2 金礦 4 工人的結果,Max(500,300 + 350) = 650;

對比「挖前三座金礦」和「挖前四座金礦」,在「挖前四座金礦」中,4 金礦 10 工人的挖礦收益,來自于 3 金礦 10 工人和 3 金礦 5 工人的結果,Max(850,400 + 300) = 850;

國王和金礦問題中的【動態規劃代碼】
代碼來源:https://www.cnblogs.com/SDJL/archive/2008/08/22/1274312.html

//maxGold[i][j] 保存了i個人挖前j個金礦能夠得到的最大金子數,等于 -1 時表示未知
int maxGold[max_people][max_n];

int GetMaxGold(int people, int mineNum){
    int retMaxGold;                            //聲明返回的最大金礦數量
    //如果這個問題曾經計算過
    if(maxGold[people][mineNum] != -1){
        retMaxGold = maxGold[people][mineNum]; //獲得保存起來的值
    }else if(mineNum == 0) {                   //如果僅有一個金礦時 [ 對應動態規劃中的"邊界"]
        if(people >= peopleNeed[mineNum])      //當給出的人數足夠開采這座金礦
            retMaxGold = gold[mineNum];        //得到的最大值就是這座金礦的金子數
        else                                   //否則這唯一的一座金礦也不能開采
            retMaxGold = 0;                    //得到的最大值為 0 個金子
    }else if(people >= peopleNeed[mineNum])    // 如果人夠開采這座金礦[對應動態規劃中的"最優子結構"]
    {
        //考慮開采與不開采兩種情況,取最大值
        retMaxGold = max(
                         GetMaxGold(people - peopleNeed[mineNum],mineNum - 1) + gold[mineNum],
                         GetMaxGold(people,mineNum - 1)
                         );
    }else//否則給出的人不夠開采這座金礦 [ 對應動態規劃中的"最優子結構"]
    {
        retMaxGold = GetMaxGold(people,mineNum - 1);     //僅考慮不開采的情況
        maxGold[people][mineNum] = retMaxGold;
    }
    return retMaxGold;
}

希望通過這篇文章,大家能對「遞歸」與「動態規劃」有一定的理解。后續將以「動態規劃」為基礎研究多重背包算法、迪杰特斯拉算法等更高深的算法問題,同時「遞歸」的更多概念也會在「分治算法」章節再次延伸,敬請對程序員小吳保持關注:)

文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。

轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/42885.html

相關文章

  • 時間復雜度、遞歸、尾調用— (讀文筆記)

    摘要:遞歸算法是一種直接或者間接調用自身函數或者方法的算法。因此,分治策略一般用來解決子問題相互對立的問題,稱為標準分治,而動態規劃用來解決子問題重疊的問題。調用棧尾遞歸和手動優化尾調用就是一個函數執行的最后一步是將另外一個函數調用并返回。 輸出 斐波那契數列的四種寫法 讀參考文章列表 算法復雜度中的O(logN)底數是多少 從斐波那契數列談談代碼的性能優化 冰與火之歌:時間與空間復雜度 ...

    susheng 評論0 收藏0
  • 校招社招必備核心前端面試問題詳細解答

    摘要:本文總結了前端老司機經常問題的一些問題并結合個人總結給出了比較詳盡的答案。網易阿里騰訊校招社招必備知識點。此外還有網絡線程,定時器任務線程,文件系統處理線程等等。線程核心是引擎。主線程和工作線程之間的通知機制叫做事件循環。 showImg(https://segmentfault.com/img/bVbu4aB?w=300&h=208); 本文總結了前端老司機經常問題的一些問題并結合個...

    jonh_felix 評論0 收藏0
  • 校招社招必備核心前端面試問題詳細解答

    摘要:本文總結了前端老司機經常問題的一些問題并結合個人總結給出了比較詳盡的答案。網易阿里騰訊校招社招必備知識點。此外還有網絡線程,定時器任務線程,文件系統處理線程等等。線程核心是引擎。主線程和工作線程之間的通知機制叫做事件循環。 showImg(https://segmentfault.com/img/bVbu4aB?w=300&h=208); 本文總結了前端老司機經常問題的一些問題并結合個...

    Rango 評論0 收藏0
  • 我是如何學習游戲引擎的?

    摘要:下面列舉了游戲開發中常見的崗位以及兩條常見的協作開發的流水線其實學習游戲引擎,前期對于任何崗位來說路線都是相似的,基本上就是一個熟悉基本操作理解基本概念拓展專業知識的過程。當然這不是絕對的,任何引擎的開始階段和大成階段都是相似的。 這是【游戲開發那些事】第51篇原創 前言:游戲引擎,表面...

    未東興 評論0 收藏0
  • 校招社招必備核心前端面試問題詳細解答

    摘要:本文總結了前端老司機經常問題的一些問題并結合個人總結給出了比較詳盡的答案。網易阿里騰訊校招社招必備知識點。此外還有網絡線程,定時器任務線程,文件系統處理線程等等。線程核心是引擎。主線程和工作線程之間的通知機制叫做事件循環。 showImg(https://segmentfault.com/img/bVbu4aB?w=300&h=208); 本文總結了前端老司機經常問題的一些問題并結合個...

    DevTalking 評論0 收藏0

發表評論

0條評論

cnio

|高級講師

TA的文章

閱讀更多
最新活動
閱讀需要支付1元查看
<