目录
一、概述
动态规划的基本要素:
最优子结构性质、重叠子问题性质
动态规划:
把多阶段问题转换为一系列的相互联系的单阶段问题,逐 个加以解决。所以,DP实际上是一种数学方法,是求解某类 问题的方法,严格意义上不是一种算法。
适合动态规划求解的问题:
具有最优子结构:原问题的最优解包含子问题的最优解
有重叠子问题:子问题之间不独立,一个子问题在下一阶段决策中可能被多次使用到。
无后效性:某阶段状态一旦确定,就不受这个状 态以后决策的影响
动态规划求解问题步骤:
分析问题的最优子结构,将大问题转换为小问题(状态转移)
递归的定义最优解(状态转移方程或递归方程,确定 dp含义)。
以自底向上或自顶向下(备忘录法)的记忆化方式计 算出最优值。
根据计算最优值时得到的信息,构造问题最优解。
注:动态规划是自底向上,备忘录方法是自顶向下
二、具体算法
1.整数分解
状态转移方程:
根据状态转移方程写出具体算法:
#include <iostream>
#include <algorithm>
#define MAXN 10
using namespace std;
//dp做记忆数组,存放计算过的数字,下次直接拿来用,以避免重复计算
int dp[MAXN][MAXN];
int split_num(int n, int k)
{
if (dp[n][k] != 0)
return dp[n][k];
if (n == 1 || k == 1)
{
dp[n][k] = 1;
return dp[n][k];
}
else if (n < k)
{
dp[n][k] = split_num(n, n);
return dp[n][k];
}
else if (n == k)
{
dp[n][k] = split_num(n, n - 1) + 1;
return dp[n][k];
}
else
{
dp[n][k] = split_num(n, k - 1) + split_num(n - k, k);
return dp[n][k];
}
}
int main()
{
int ans = split_num(5, 5);
cout << ans;
}
结果是 7
2.最大连续子序列和
dp[n]中,最大值下标记为max_index,在dp数组中,从该位置向前找,找到第一个 dp值小于或等于0的元素dp[k],则a序列中从第k+1--max_index位置的元素和构成了该序列的最大连续子序列的和。
dp[0] = 0
dp[n] = max{dp[n - 1] + a[n] ,a[n]};
#include <iostream>
#include <algorithm>
using namespace std;
#define MAXN 100
// dp[n]数组记录[0...n]的序列和
int dp[MAXN];
// a数组
int a[] = {0, -2, 11, -4, 13, -5, -2};
int n = 6;
// 求解dp数组
void dp_sub()
{
dp[0] = 0;
for (int i = 1; i <= n; i++)
dp[i] = max(dp[i - 1] + a[i], a[i]);
}
int dp_max_sub()
{
int max_index = 1;
// 求解dp中最大元素dp[max_index]
for (int i = 2; i <= n; i++)
if (dp[i] > dp[max_index])
max_index = i;
// 向前遍历找到第一个<= 0的(输出子序列用)
int tmp; // 记录i值
for (int i = max_index; i > 0; i--)
{
if (dp[i] <= 0)
break;
tmp = i;
}
// 输出子序列
cout << "所选子序列为:";
for (int j = tmp; j <= max_index; j++)
cout << a[j] << " ";
cout << endl;
return dp[max_index];
}
int main()
{
dp_sub();
int ans = dp_max_sub();
cout << "最大子序列和为:" << ans;
}
所选子序列为:11 -4 13
最大子序列和为:20
3.合唱队形
首先来复习如何求解最递增长子序列长度:
下列代码先给出最长递增子序列的算法
#include <iostream>
#include <algorithm>
using namespace std;
/*
先学习一下最长递增子序列怎么求
*/
int dp[100];
// 最长递增子序列
int max_up_arr(int a[], int n)
{
for (int i = 0; i < n; i++)
{
dp[i] = 1;
for (int j = 0; j < i; j++)
{
// 新加入的a[i]比上一个数a[j]大
if (a[i] > a[j])
dp[i] = max(dp[i], dp[j] + 1);
}
}
// 找出dp中最大值即为最长递增子序列的长度
int ans = dp[0];
for (int i = 1; i < n; i++)
ans = max(ans, dp[i]);
return ans;
}
int main()
{
int a[] = {2, 1, 5, 3, 6, 4, 8, 9, 7};
int n = 9;
int ans = max_up_arr(a, n);
cout << ans;
}
下面给出合唱队形的解决方案
思路: 寻找一个同学,其左边同学的身高递增序列+其右边同学的身高递减序列是最长的。 原问题转换为求最长递增序列长度和最长递减序列长度,两者相加再减1,即可得到整个合唱队形的长度。
int f1[maxn];//最大上升子序列
int f2[maxn];//最大下降子序列
int sing_team(int n, int a[100])
{
// 从左到右求最大上升子序列
for (int i = 1; i <= n; i++)
{
f1[i] = 1;
for (int j = 1; j < i; j++)
if (a[j] < a[i] && f1[i] < f1[j] + 1)
f1[i] = f1[j] + 1;
}
// 从右到左求最大下降子序列
for (int i = n; i >= 1; i--)
{
f2[i] = 1;
for (int j = i + 1; j <= n; j++)
if (a[j] < a[i] && f2[i] < f2[j] + 1)
f2[i] = f2[j] + 1;
}
int ans = 0;
//枚举中间最高值
for (int i = 1; i <= n; i++)
if (ans < f1[i] + f2[i] - 1)
ans = f1[i] + f2[i] - 1;
return ans;
}
int main()
{
int a[] = {176, 163, 150, 180, 170, 130, 167, 160};
int n = 8;
int ans = sing_team(n, a);
cout << ans;
}
4.最长公共子序列
求dp的状态转移方程为:
dp[i][j] = 0 i = 0 或 j = 0
dp[i][j] = dp[i - 1][j - 1] + 1 a[i - 1] = b[j -1]
dp[i][j] = MAX(dp[i][j - 1],dp[i - 1][j]) a[i -1] ≠ b[j - 1]
下面给出非算法解题过程:
根据左侧矩阵写出右侧矩阵;右侧矩阵根据213原则,公共子序列为斜箭头的箭头尾相连
算法实现:
#include <iostream>
#include <algorithm>
#include <vector>
using namespace std;
#define MAX 50
// a序列和b序列
string a, b;
// ab序列的长度
int m = 6;
int n = 9;
// dp数组
int dp[MAX][MAX];
// 存放公共子序列
vector<char> pub;
// 根据状态转移方程计算dp数组
void dp_arr()
{
for (int i = 0; i <= m; i++)
dp[i][0] = 0;
for (int j = 0; j <= n; j++)
dp[0][j] = 0;
for (int i = 1; i <= m; i++)
for (int j = 1; j <= n; j++)
{
if (a[i - 1] == b[j - 1])
dp[i][j] = dp[i - 1][j - 1] + 1;
else
dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);
}
}
// 由dp数组构造公共子序列
void build_pub()
{
// k表示a,b数组最长公共子序列长度
int k = dp[m][n];
int i = m;
int j = n;
while (k > 0)
{
// 与左边元素不同
if (dp[i][j] == dp[i - 1][j])
i--;
// 与右边元素不同
else if (dp[i][j] == dp[i][j - 1])
j--;
// 左右两边均不相同,假如公共子序列中
else
{
pub.push_back(a[i - 1]);
i--;
j--;
k--;
}
}
}
int main()
{
a = "abcbdb";
b = "acbbabdbb";
dp_arr();
build_pub();
for (int i = 0; i < pub.size(); i++)
cout << pub[i] << " ";
}
运行结果:b d b c a
时间复杂度为O(m×n)
空间复杂度为O(m×n)
5.AOE网络(最长路径)
earlist[i]:最早发生时间 源点s到汇点t的最长路径
lastest[j]:最晚发生时间 前一个结点的最晚发生时间 - 活动时间
lastest[i] - earlist[j] = w[i][j] 正好等于权重,关键活动(边)
0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |
earliest(i) | 0 | 6 | 4 | 5 | 7 | 7 | 16 | 15 | 19 |
lastest(i) | 0 | 6 | 6 | 9 | 7 | 11 | 17 | 15 | 19 |
减 | 0 | 0 | 0 | 0 | 0 |
关键活动:<0,1><1,4><4,7><7,8>
关键路径:0 1 4 7 8
6.弗洛伊德算法(两点间距离最短)
引入一个新结点k 取原来路径度与引用后曲折相加后路径长度的min
7.0/1背包
7.1 递推公式(不考代码,考自己推算时):
依次列举即可
这里是一个up主的教学视频截图:
结果为15
7.2 算法解如下:
物品i不被装入则 dp[i][r] = dp[i - 1][r];
物品i被装入则 dp[i][r] = dp[i - 1][r - w[i]] + v[i];
dp[i][r] = MAX{ dp[i -1][r] , dp[i - 1][r - w[i]] + v[i] }
#include <iostream>
#include <algorithm>
using namespace std;
int n = 5, W = 10; // 5种物品,限制重量不超过10
int w[] = {0, 2, 2, 6, 5, 4}; // 下标0不用
int v[] = {0, 6, 3, 5, 4, 6}; // 下标0不用
// 定义dp数组
int dp[6][6];
int flag[6]; // 表示是否被装入
int maxValue_sum; // 存放最优解的总价值
// 先求出dp数组
void dp_arr()
{
int i, j;
for (i = 0; i <= n; i++) // 置边界条件dp[i][0]=0
dp[i][0] = 0;
for (j = 0; j <= W; j++) // 置边界条件dp[0][j]=0
dp[0][j] = 0;
for (i = 1; i <= n; i++)
{
for (j = 1; j <= W; j++)
if (j < w[i])
dp[i][j] = dp[i - 1][j];
else
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i]);
}
}
// 回推最优解
void Buildx()
{
int i = n, r = W;
maxValue_sum = 0;
while (i >= 0)
{
if (dp[i][r] != dp[i - 1][r])
{
flag[i] = 1; // 选取物品i
maxValue_sum += v[i]; // 累计总价值
r = r - w[i];
}
else
flag[i] = 0; // 不选取物品i
i--;
}
}
int main()
{
dp_arr();
Buildx();
for (int i = 0; i < 6; i++)
cout << flag[i] << " ";
}
运行结果:0 1 1 0 1 0
注:
为了应对考试,后面有的没有写算法,只写了自己手动该怎么解,详情算法之后更新,或可自行搜索 ~~