动态规划算法的有效性依赖于问题本身所具有的两个重要性质:
1.最优子结构
2.重叠子问题
设计动态规划法的步骤:
找出最优解的性质,并刻画其结构特征;
递归地定义最优值(写出动态规划方程);
以自底向上的方式计算出最优值;
根据计算最优值时得到的信息,构造一个最优解。
矩阵连乘问题
分析:
A[1:n]的计算量= A[1:k]的计算量+A[k+1:n]的计算量+A[1:k]和A[k+1:n]相乘的计算量
m[i][j]给出了最优值,最优断开位置为k:(i<j)
m[i][j]=0 (i=j)
若将对应于m[i][ j]的断开位置k记为s[i][ j],在计算出最优值m[i][ j]后,可递归的由s[i][ j]构造出相应的最优解
#include<iostream>
#include<cstdio>
using namespace std;
int p[51]={50,10,40,30,5,20,15};
int m[51][51]; //状态,记录子问题的最优值
int s[51][51]; //记录子问题的最优解
void MatrixChain (int n){
for (int i=1;i<=n;i++)
m[i][i] = 0;
for (int r=2;r<=n;r++) //矩阵链的长度
for (int i=1; i<=n-r+1;i++) { //连乘的起点
int j=i+r-1; //矩阵链中的最后一个矩阵的编号
m[i][j] = m[i+1][j]+p[i-1]*p[i]*p[j];
s[i][j] = i; //最优解的初值
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;}
}
}
}
//计算矩阵连乘积最优解的递归算法
void TraceBack(int i, int j) {
if(i==j) cout<<"A "<< i;
else
{
cout<<"(";
TraceBack(i,s[i][j]);
TraceBack(s[i][j]+1,j);
cout<<")";
}
}
int main(){
void MatrixChain(6);
cout<<m[2][5];
void TraceBack(1,6);
}
最长公共子序列
最优子结构的分析:
设序列X={x1,x2,…,xm}和Y={y1,y2,…,yn}的最长公共子序列为Z={z1,z2,…,zk}
若xm=yn, 则zk=xm=yn,且Zk-1是Xm-1和Yn-1的最长公共子序列。
若xm≠yn且zk≠xm, 则Z是Xm-1和Y的最长公共子序列。
若xm≠yn且zk≠yn, 则Z是X和Yn-1的最长公共子序列。
#include<iostream>
#include<cstdio>
#define NUM 100
using namespace std;
int c[NUM][NUM]; //x[1-i] 和 y[1-j]之间的公共子序列的长度。
int b[NUM][NUM]; // 辅助完成最优解得计算
void LCSLength (int m, int n, const char x[],char y[]){
int i,j;
for (i = 1; i <= m; i++) c[i][0] = 0;
for (i = 1; i <= n; i++) c[0][i] = 0;
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);
cout<<x[i];
}
else if (b[i][j]== 2)
LCS(i-1,j,x);
else
LCS(i,j-1,x);
}
int main(){
char x[]={A,B,C,B,D,A,B};
char y[]={B,D,C,A,B,A};
LCSLength (6, 7, x,y);
LCS(6,7,x);
}
最大字段和
当所有整数均为负值时定义其最大子段和为0。
#define NUM 1001
int a[NUM];
int MaxSum(int n){
int sum=0; //最大子段和
int b=0; //1~j的最大子段和
for (int i=1;i<=n;i++)
{
if (b>0)
b+=a[i];
else
b=a[i];
if (b>sum) sum=b;
}
return sum;
}
#define NUM 1001
int a[NUM];
int MaxSum(int n, int besti, int bestj){
int sum=0;
int b=0;
int begin = 0;
for (int i=1; i<=n; i++){
if (b>0) b+=a[i];
else {b=a[i]; begin = i;}
if (b>sum) { //得到新的最优值时,
besti = begin;
bestj = i;
}
}
return sum;
}
背包问题
有N种物品和一个容量为V的背包
第i种物品的费用是w[i],价值是c[i]。
完全背包的状态转移方程可以等价地变形成这种形式:
f[i][v]=max{f[i-1][v],f[i][v-w[i]]+c[i]},
#include<cstdio>
using namespace std;
const int maxm = 201, maxn = 31;int m, n,w[maxn], c[maxn], f[maxn][maxm];
int main(){
scanf("%d%d",&m, &n); //背包容量m和物品数量n
for (int i = 1; i <= n; i++)
scanf(“%d%d”,&w[i],&c[i]); //每个物品的重量和价值
for (int i = 1; i <= n; i++) //f[i][v]表示前i件物品,总重量不超过v的最优价值
for (int v = 1; v <= m; v++)
if (v < w[i]) f[i][v] = f[i-1][v];
else
if (f[i-1][v] > f[i][v-w[i]]+c[i]) f[i][v] = f[i-1][v]; //不装入第i件物品
else f[i][v] = f[i][v-w[i]]+c[i]; //多次装入第i件物品
printf("max=%d",f[n][m]); // f[n][m]为最优解
return 0;}