动态规划算法设计——实例1

动态规划算法设计——实例1

最近复习了算法的前两章，第一章主要是基础知识，函数的界以及地推方程求解的几种方法。第二章讲了分治策略。看了很多，但感觉没有吸收到很多东西。想到假期后马上就要交动态规划算法作业了。干脆直接做题。

题目描述

• 求 $max{g}_1(x_1)+g_2(x_2)+g_3(x_3)$
• 限制条件：$x_1^2+x_2^2+x_3^2\le 10$
• 其中$g_1{g}_2{g}_3$是三个不同的收益函数。
  

题目思路

• 首先来一波吐槽，这每个x一共才4种取值，直接暴力把每种情况的值算出来，取个最大的不香嘛？2333
• 这道题要求我们用动态规划的算法来求解。按照我们之前积累的经验，我们需要在求解时需要用到规模更小的子问题，所以用什么参数来划分问题就很重要。我一开始的想法是把x1的值作为一个规模参数，x2的值作为一个参数，然后是x3。后来发现这完全不对，把这三个都列出来不就是暴力求解嘛2333。这时我一点思路都没有，便去看了一眼答案。
• 答案的优化函数$F_k(y)$，k表示选择前k个x，y表示平方和的限制，在这种情况下的最大收益。后来一想，这不是和背包问题的思路一模一样嘛？背包问题的k表示选择前k个物品，然后y表示背包的限重。这里只不过背包限重变成了平方和的限制。
• 明白了这一点，我们很容易写出递归方程（好吧，也不是很容易
• $F_k(y)=\underset{0\le x_k\le \lfloor \sqrt{y}\rfloor }{\max }{F}_{k-1}(y-x_k^2)+g_k(x_k)$
• 当我们选择了前k个x时，我们就需要遍历$x_k$的取值，然后把平方和限制剩余的部分$y-x_k^2$在前k-1个x中进行取最大收益，最后加上$x_k$带来的收益$g_k(x_k)$。就是$F_k(y)$。也就是选择前k个x，在平方和限制为y的情况下的最大收益。

代码实现

#include <iostream>
#include <math.h>
using namespace std;

int main()
{
  int g[4][4] = {0, 0, 0, 0, 2, 4, 7, 11, 5, 10, 16, 20, 8, 12, 17, 22};  //第一个下标来区分不同的投资函数，分别有g1,g2和g3，g0闲置。第二个下标用来表示投资的个数，数目从0~3。
  int F[4][11] = {0};  //优化函数F[k][y]，下标k表示选择前k个个x（其实一共也才3个x2333），k表示x_1^2+...+x_k^2 <= y
  int Re[4][11] = {-1}; //备忘录函数，表示在选择前k个x，平方和的限制为y的情况下，选择x_k的个数（可以形象的理解为理解为选择了几个x_k）。
  for (int k = 1; k <= 3; k++)  //遍历k，表示选择前几个x
  {
    for (int y = 0; y <= 10; y++) //遍历y，表示平方和的范围
    {
      int max = 0;
      for (int x = 0; x <= sqrt(y); x++)  //遍历选择的第k个x的取值范围，从0~3
      {
        if ((F[k - 1][y - x * x] + g[k][x]) > max)
        {
          max = F[k - 1][y - x * x] + g[k][x];
          Re[k][y] = x;
        }
      }
      F[k][y] = max;  //得到在选择前k个x，平方和限制为y下的最大收益
    }
  }
  cout << F[3][10] << endl;
  int i = 3;
  int y = 10;
  while (i)
  {
    cout << "x_" << i << "的值：" << Re[i][y] << endl;
    y -= Re[i][y] * Re[i][y];
    i--;
  }
  return 0;
}

//运行结果
➜  algorithm git:(main) ✗ g++ question1.cpp -o question1.exe && ./question1.exe
37
x_3的值：2
x_2的值：2
x_1的值：1

伪代码