算法学习——动态规划实践

动态规划实践：数字三角形

完成日期：2017.10.26

---

实验内容

1. 实践题目

数字三角形

2. 问题描述

给定一个由 n行数字组成的数字三角形如下图所示。试设计一个算法，计算出从三角形 的顶至底的一条路径(每一步可沿左斜线向下或右斜线向下)，使该路径经过的数字总和最大。

3. 算法描述

1）首先该问题有最优子结构和重叠子问题的性质，因此可以用动态规划来求解。
2）设 a[i][j] 表示数字三角形中的第 i 行第 j 个点;
3）max[i][j]表示 第 i 行 第 j 个数字到低端的最优路径值，则原问题的最优解就是 max[1][1] 的值;
4）从 a[i][j] 这个点向下走，有 a[i +1][j] 和a[i+1][j+1] 这两个点可以选择; 则 max[i][j] 的最优值 = a[i][j] 的值 + max{ max[i+1][j] ，max[i+1][j+1] }。
5）因为原问题的最优解是 max[1][1]，因此填表的顺序就是至底向上，先计算最后一层的点，然后倒数二层，……，一直算到第一层。
递归公式：
max[i][j]：第 i 行 第 j 个数字到低端的最优路径值。
max[i][j] = a[i][j] （ i=n）
max[i][j] = max{ max[i-1][j], max[i-1][j+1] } + a[i][j] （ 1 <= i <= j < n）
原问题的最优值是 b[1][1]

4. 算法时间及空间复杂度分析

时间复杂度：
因为三角形的数字总和为n(n+1)/2,因此填表的时候会有两重循环:行数 i 和列数j 的循环，得到的时间复杂度为o(n²)。
空间复杂度：
算法需要一个记录子结构最优解的二维数组max，这个数组的规模为n行n列，因此空间复杂度为o(n²)。

5. 程序代码

#include <iostream>

using namespace std;

int a[101][101];

int longestPath(int n){
    for (int i=n-1; i>=1; i--){
        for (int j=i; j>=1; j--){
            if(a[i+1][j] >= a[i+1][j+1])
                a[i][j] += a[i+1][j];
            else
                a[i][j] += a[i+1][j+1];
        }
    }
    return a[1][1];
}


int main() {
    int n;
    cin>>n;
    for (int i=1; i<=n; i++)
        for (int j=1; j<=i; j++)
            cin>>a[i][j];
    cout << longestPath(n) << endl;
    return 0;
}

6. 程序运行截图

7. 心得体会

首先在了解了题目，知道它可以用动态规划来解决之后，我一开始想到的是用一个一维数组来记录每一层的最优解，自上而下来记录，但是按照这个思路来想，一直在研究 max[i] 和 max[i+1] 怎么搭上关系，后来发现无论是从下到上还是从上到下，怎么样都没有办法记录，这时候我就知道自己的方向想错了，可能是理解错了动态规划的意思，然后我赶紧复习了一下动态规划。
后来想到了用一个二维数组来记录每个节点的最优解，我手动填了一次表格，发现从下到上还是从上到下写起都是可以的，但是从下到上写的话最后可以马上得到 max[1][1] 就是最优解。但是从上到下写最后就必须对最底的那一排进行遍历取得最大值，因此顺序从上到下比较省时和方便。
接下来程序就很顺利地完成了，最后一个问题是在记录节点的最优解时，可以选择另开一个二维数组max来记录最优解，也可以直接覆盖记录原始数据的数组a，如果新开一个数组的话就会算法的空间复杂度增加，但是如果覆盖的话，原始数据就会丢失，因此需要根据实际的情景选择适合的操作方法。