数据结构与算法（九）动态规划

一.动态规划

**动态规划(dynamic programming)**是运筹学的一个分支，是求解决策过程(decision process)最优化的数学方法。

二.动态规划之Fib数列

1.问题描述

有个小孩上楼梯，共有N阶楼梯，小孩一次可以上1阶，2阶。走到N阶楼梯，一共有多少种走法？

2.问题分析

DP之自顶向下分析方式：
爬到第N阶楼梯，一共只有2种情况(全划分，加法原理)，从第N-1阶爬1阶到第N阶；从第N-2阶爬2阶到第N阶；
故：way(N)=way(N-1)+way(N-2)

3.代码实现

def fib(n):
    meno = [-1 for x in range(n+1)]
    meno[0] = 0
    meno[1] = 1
    for i in range(2, n+1):
        meno[i] = meno[i - 1] + meno[i - 2]
    return meno[n]

三.任务安排问题

任务安排问题的代码实现：

def dp_opt(arr):
    #计算任务的长度
    len_arr = len(arr)
    # 存储执行到每个任务可以获得的最优解;
    opt = [0 for i in range(len_arr)]
    opt[0] = 0
    opt[1] = arr[1]
    for i in range(2, len(arr)):
        # 不选择做这个任务的最优解；
        A = opt[i - 1]
        # 选择做这个任务的最优解；
        B = arr[i] + opt[prev[i]]
        opt[i] = max(A, B)
    return opt[-1]
print(dp_opt(arr))

四.不相邻数最大和

1.问题描述

问题描述: 给定数组A=[1,2,4,1,7,8,3]，求出数组A中互不相邻的数的最大和。
例如：如果选择了8，则不能选择7和3，在本例中最大的和为1+4+7+3=15

2.代码实现

Arr = [0,1,2,4,1,7,8,3]
prev = [0,0,0,1,2,3,4,5]
def max_num(Arr):
    len_Arr = len(Arr)
    opt = [0 for num in range(len_Arr)]
    opt[0]= 0
    opt[1] = Arr[1]
    for i in range(2, len(Arr)):
        A = opt[i - 1]
        B = Arr[i] + opt[prev[i]]
        opt[i]= max(A, B)
    return opt[-1]
print(max_num(Arr))