动态规划和贪心算法相似,都是用来求解最优解的,但是区别也很大,适合动态规划求解的问题,也满足最优子结构性质,却不一定满足贪心的选择的性质,贪心算法是局部最优解,其实在动态规划中,贪心算法被替换成无后效性。
动态规划的基本思想
动态规划的基本思想源自递归,是一种问题转化策略,基于递归的问题转化策略有限多。
例如:有一个由正整数组成的三角形,第一行只有一个数,除了最下行外,每个数的左下方和右下方都有一个正整数。从第一行数开始,每次可以沿左下或右下往下走,把沿途经过的数全部加起来,如何走,能使这个和达到最大?
首先想到找出这个大三角形可以分出几块子结构,接着再把子结构分成子结构,通过递归可以完成这一步;每个子结构中都存在第一行+max(左下,右下) ;最后求得最大值。
#include<iostream>
#include<stdio.h>
using namespace std ;
int a[100][100] ;
int solve(int i , int j) {
if(i == 4)
return a[i][j] ;
else
return (a[i][j] + max(solve(i+1,j) , solve(i+1,j+1))) ;
}
int main() {
for(int i = 0 ; i < 5 ; i++)
for(int j = 0 ; j <= i ; j++)
cin >> a[i][j] ;
cout << solve(0,0) << endl;
return 0 ;
}
这样做正确,但是肯定很耗时,因为有了很多的重复计算 。
当然也可以使用递推的方法:
从最后一层开始算,每一行都会得到下一行中两个数中最大值与其相加的和;则第一行就是最大值;
#include<iostream>
#include<stdio.h>
using namespace std ;
int main() {
int a[100][100] ;
for(int i = 0 ; i < 5 ; i++)
for(int j = 0 ; j <= i ; j++)
cin >> a[i][j] ;
for(int ii = 3 ; ii >= 0 ; ii-- )
for(int jj = 0 ; jj <= ii ; jj++)
a[ii][jj] += ( a[ii+1][jj] > a[ii+1][jj+1] ? a[ii+1][jj] : a[ii+1][jj+1] );
cout << a[0][0] << endl ;
return 0 ;
}
第三种方法就是记忆化搜索(动态规划)
主要在第一种方法的基础之上,加上了访问标记,防止了重复的计算:
#include<iostream>
#include<stdio.h>
using namespace std ;
int a[100][100] ;
int dp[100][100] = {0} ;
int solve(int i , int j) {
if(i == 4)
return a[i][j];
if(dp[i][j]>0)
return dp[i][j] ;
else {
dp[i][j] = a[i][j] + max(solve(i+1 , j) , solve(i+1 , j+1) ) ;
return dp[i][j] ;
}
}
int main() {
for(int i = 0 ; i < 5 ; i++)
for(int j = 0 ; j <= i ; j++)
cin >> a[i][j] ;
cout << solve(0,0) << endl;
return 0 ;
}
这就是动态规划的基本思想:建立子问题的描述,建立状态间的转移关系,使用递推或记忆化搜索来实现