动态规划的基本思想
将待求解问题分解成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解。
适合于用动态规划求解的问题,经分解得到子问题往往不是互相独立的。若用分治法来解这类问题,则分解得到的子问题数目太多,有些子问题被重复计算了很多次。
如果我们能够保存已解决的子问题的答案,而在需要时再找出已求得的答案,这样就可以避免大量的重复计算,节省时间。
我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到,只要它被计算过,就将其结果填入表中。
设计动态规划法的步骤
1.找出最优解的性质,并刻画其结构特征;
2. 递归地定义最优值(写出动态规划方程);
3. 以自底向上的方式计算出最优值;
4.根据计算最优值时得到的信息,构造一个最优解。
步骤1~3是动态规划算法的基本步骤。 在只需要求出最优值的情形,步骤4可以省略;
若需要求出问题的一个最优解,则必须执行步骤4。
动态规划问题的特征
最优子结构:
当问题的最优解包含了其子问题的最优解时,称该问题具有最优子结构性质。重叠子问题:
在用递归算法自顶向下解问题时,每次产生的子问题并不总是新问题,有些子问题被反复计算多次。动态规划算法正是利用了这种子问题的重叠性质,对每一个子问题只解一次,而后将其解保存在一个表格中,在以后尽可能多地利用这些子问题的解。
EQ1
矩阵连乘积问题。
m×n矩阵A与n×p矩阵B相乘需耗费 的时间。 我们把mnp作为两个矩阵相乘所需时间的测量值。
现在假定要计算三个矩阵A、B和C的乘积,有两种方式计算此乘积。
1.先用A乘以B得到矩阵D,然后D乘以C得到最终结果,这种乘法的顺序为(AB)C;
2. 乘法的顺序为A(BC)。
尽管这两种不同的计算顺序所得的结果相同,但时间消耗会有很大的差距。
动态规划
#define NUM 51
int p[NUM];
int m[NUM][NUM];
int s[NUM][NUM];
void MatrixChain (int n)
{
for (int i=1; i<=n; i++) m[i][i] = 0;
for (int r=2; r<=n; r++)
for (int i=1; i<=n-r+1; i++)
{
int j=i+r-1;
//计算初值,从i处断开
m[i][j] = m[i+1][j]+p[i-1]*p[i]*p[j];
s[i][j] = i;
for (int k=i+1; k<j; k++)
{
int t = m[i][k]+m[k+1][j]+p[i-1]*p[k]*p[j];
if (t < m[i][j]) {m[i][j] = t; s[i][j] = k;}
}
}
}
递归算法
int Recurve(int i, int j)
{
if (i == j) return 0;
int u = Recurve(i, i)+Recurve(i+1,j)+p[i-1]*p[i]*p[j];
s[i][j] = i;
for (int k = i+1; k<j; k++)
{
int t = Recurve(i, k) + Recurve(k+1,j)+p[i-1]*p[k]*p[j];
if (t<u) { u = t; s[i][j] = k;}
}
m[i][j] = u;
return u;
}
备忘录算法
int LookupChai (int i, int j)
{
if (m[i][j]>0) return m[i][j];
if (i==j) return 0;
int u = LookupChain(i,i)+LookupChain(i+1,j)+p[i-1]*p[i]*p[j];
s[i][j] = i;
for (int k = i+1; k<j; k++)
{
int t = LookupChain(i,k)+LookupChain(k+1,j)+p[i-1]*p[k]*p[j];
if (t < u) { u = t; s[i][j] = k;}
}
m[i][j] = u;
return u;
}
EQ2
计算最大子段和问题–动态规划。
#include<cstdio>
#include<algorithm>
using namespace std;
int dp[200005],a[200005];
int main()
{
int n;
scanf("%d",&n);
for(int i=1;i<=n;i++)
scanf("%d",&a[i]);
dp[1]=a[1];
int sta=1,en=1;
int ans=a[1];
for(int i=2;i<=n;i++)
{
dp[i]=max(dp[i-1]+a[i],a[i]);
if(dp[i-1]<0)
sta=i;
if(ans<dp[i])
en=i;
ans=max(ans,dp[i]);
}
printf("%d %d\n",sta,en);
printf("%d\n",ans);
return 0;
}
EQ3
0-1背包问题–动态规划。
#include <iostream>
#include <cstring>
#include <cstdio>
#include<cmath>
#include<algorithm>
#define max(a,b) a>b?a:b
using namespace std;
int main()
{
int T,N,V,f[1001],vol[1001],val[1001],tem;
scanf("%d",&T);
while(T--)
{
scanf("%d %d",&N,&V);
for(int i=1;i<=N;i++)
scanf("%d",&val[i]);
for(int i=1;i<=N;i++)
scanf("%d",&vol[i]);
memset(f,0,sizeof(f));
for(int i=1;i<=N;i++)
{
for(int j=V;j>=vol[i];j--)
{
f[j]=max(f[j],f[j-vol[i]]+val[i]);
}
}
cout<<f[V]<<endl;
}
return 0;
}
EQ4
最长公共子序列。
#define NUM 100
int c[NUM][NUM];
int b[NUM][NUM];
void LCSLength (int m, int n, const char x[],char y[])
{
int i,j;
//数组c的第0行、第0列置0
for (i = 1; i <= m; i++) c[i][0] = 0;
for (i = 1; i <= n; i++) c[0][i] = 0;
//根据递推公式构造数组c
for (i = 1; i <= m; i++)
for (j = 1; j <= n; j++)
{
if (x[i]==y[j])
{c[i][j]=c[i-1][j-1]+1; b[i][j]=1; }
else if (c[i-1][j]>=c[i][j-1])
{c[i][j]=c[i-1][j]; b[i][j]=2; }
else { c[i][j]=c[i][j-1]; b[i][j]=3; }
}
}
……
void LCSLength (int m, int n, const char x[],char y[])
{
int i,j;
//数组c的第0行、第0列置0
……;
//根据递推公式构造数组c
for (i = 1; i <= m; i++)
for (j = 1; j <= n; j++)
{
if (x[i]==y[j])
{c[i][j]=c[i-1][j-1]+1; b[i][j]=1; }
else if (c[i-1][j]>=c[i][j-1] )
{c[i][j]=c[i-1][j]; b[i][j]=2; }
else { c[i][j]=c[i][j-1]; b[i][j]=3; }
}
}
void LCS(int i,int j,char x[])
{
if (i ==0 || j==0) return;
if (b[i][j]== 1){ LCS(i-1,j-1,x); printf("%c",x[i]); }
else if (b[i][j]== 2) LCS(i-1,j,x);
else LCS(i,j-1,x);
}