动态规划&贪婪算法之剪绳子

•     动态规划算法是通过拆分问题，定义问题状态和状态之间的关系，使得问题能够以递推（或者说分治）的方式去解决。

1. 可以使用动态规划的情形：

（1）在应用动态规划之前，要分析能否把大问题分解成小问题，分解后的小问题也存在最优解；如果把小问题的最优解组合起来能够得到整个问题的最优解，那么就可以应用动态规划解决这个问题。

（2）如果是求一个问题的最优解（通常是求最大值或者最小值），而且该问题能否分解成若干个子问题，并且子问题之间还有重叠的更小的子问题，就可以考虑用动态规划解决这个问题。

2. 动态规划求解问题的特点：

（1）求解一个问题的最优解；

（2）整体问题的最优解是依赖各个子问题的最优解；

（3）将整体问题分解成若干个子问题，这些子问题之间还有相互重叠的更小的子问题；

（4）从上往下分析问题，从下往上求解问题。

•      贪婪算法（又称贪心算法），指在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，它所做出的是在某种意义上的局部最优解。

当我们在应用贪婪算法解决问题时，每一步都可以做出一个贪婪的选择，基于这个选择，我们确定能够得到最优解。

动态规划&贪婪算法经典例题：剪绳子

题目：给你一根长度为n绳子，请把绳子剪成m段（m、n都是整数，n>1并且m≥1）。每段的绳子的长度记为k[0]、k[1]、……、k[m]。k[0]*k[1]*…*k[m]可能的最大乘积是多少？例如当绳子的长度是8时，我们把它剪成长度分别为2、3、3的三段，此时得到最大的乘积18。

（1）动态规划解法：

int maxProductAfterCutting_solution1(int length)
{
    if(length < 2)
        return 0;
    if(length == 2)
        return 1;
    if(length == 3)
        return 2;

    int* products = new int[length + 1];
    products[0] = 0;
    products[1] = 1;
    products[2] = 2;
    products[3] = 3;

    int max = 0;
    for(int i = 4; i <= length; ++i)
    {
        max = 0;
        for(int j = 1; j <= i / 2; ++j)
        {
            int product = products[j] * products[i - j];
            if(max < product)
                max = product;

            products[i] = max;
        }
    }

    max = products[length];
    delete[] products;

    return max;
}

（2）贪婪算法解法：

int maxProductAfterCutting_solution2(int length)
{
    if(length < 2)
        return 0;
    if(length == 2)
        return 1;
    if(length == 3)
        return 2;

    // 尽可能多地减去长度为3的绳子段
    int timesOf3 = length / 3;

    // 当绳子最后剩下的长度为4的时候，不能再剪去长度为3的绳子段。
    // 此时更好的方法是把绳子剪成长度为2的两段，因为2*2 > 3*1。
    if(length - timesOf3 * 3 == 1)
        timesOf3 -= 1;

    int timesOf2 = (length - timesOf3 * 3) / 2;

    return (int) (pow(3, timesOf3)) * (int) (pow(2, timesOf2));
}