4.4《算法图解》笔记——Chapter 9 dynamic programming

最新推荐文章于 2020-10-17 19:12:03 发布

shiqi_zou

最新推荐文章于 2020-10-17 19:12:03 发布

阅读量266

点赞数

分类专栏：算法图解

本文链接：https://blog.csdn.net/a5186/article/details/105308249

版权

本文是《算法图解》第9章动态规划的笔记，介绍了背包问题的动态规划解决方案，包括旅游行程最优化，并探讨了最长公共子串和最长公共子序列的问题，通过实例解释了动态规划的思想和应用。

摘要由CSDN通过智能技术生成

算法图解笔记——Chapter 9 dynamic programming
Author: Seven Zou
Email: zoushiqi0404@gmail.com
Language: Python2.7

9 动态规划

动态规划主要思想在于将问题分成小问题，并先着手解决这些小问题。

9.1 背包问题

再次回到昨天学到的背包问题。
解决方案一：
尝试各种可能的商品组合，并找出价值最高的组合。
在这里插入图片描述
但是在此方案下，运行速度将达到 $O(2^n)$ 。每增加一件商品，需要计算的集合都将指数形式增长。
解决方案二：
昨天了解近似求解的概念，针对这类问题就可以使用近似求解来寻找最优解，那么就可以使用动态规划算法，先解决子问题，再逐步解决大问题。类比此问题框架，那么就需要先解决小背包(子背包)问题，再逐步解决原来的问题。
在这里插入图片描述
假设每个动态规划算法都从一个网格开始，那么背包问题的网格为如下。

网格的各行为可选择的商品，各列为不同容量的背包。网格最初是空的，在填充满其中的每个单元格后，便能求出问题的答案。
-Row 1：吉他的重量刚好满足Column1 的1磅，那么可以将吉他的价格填入，相同操作，将吉他的价格填满第一行；在此行当前的最大价值为$1500
-Row 2：音响(4磅)，对Column {1-3} 重量不满足所有继续填入$1500，在Column 4(4磅)中可以满足则填入 $3000；此时最大价值更新为$3000
-Row 3：笔记本电脑(3磅)，与上述操作相同，可在Column3 填入 $2000。