差不多两年前在oschina写的博客,现在搬到CSDN,原地址:https://my.oschina.net/u/2309100/blog/846712
暂先不看问题本身,先来了解一下什么叫动态规划。从英文的dynamic programming来看似乎并没有“规划”的意思在里边。但是,这里的programming并非指的是编程,而是指的一种表格法,这种表格法旨在一步步详细分解问题,使之细化并最终获得问题的解。所以我们称之为“规划”。
动态规划和分治法类似,都是将大问题分解成小的子问题。但分治法本身的小问题往往是独立的,而动态规划的小的子问题依赖于大问题。
动态规划方法通常用来求解最优化问题(optimization problem)。这类问题通常可以有很多个解,例如钢条切割可以有很多中切割方法同样达到最大收益。
通常按如下4个步骤设计一个动态规划算法:
1. 刻画一个最优解的结构特征。
2. 递归定义最优解的值
3. 计算最优解的值,通常采用自底向上的方法。
4. 利用计算出的信息构造一个最优解。
长度为n英寸的钢条共有2^n-1种不同的方法(这里认为对称切割属于不同的方法)。
这里以n = 9 为例,则总共有256种切割方案。
分别查看几种方案:
第一种:
收益: 1 + 20 = 21
第二种:
收益: 10 + 10 = 20 比第一种少1
第三种:
收益: 1 * 9 = 9 显然是收益最少的
综合来看,收益最大的应该是 17 + 8 = 25,即分成6和3
算法实现:
1. 自顶向下递归实现
2. 带备忘的自顶向下法
3. 自底向上法
几种方法的比较:
切钢条只是一个引子,切的过程就是对应动态规划的不同的规模下子问题的求解过程。用不用递归并不是动态规划的本质。递归只是一种方法或者工具,而不是一种思想。自底向上的方法就没有用到函数递归。
朴素的递归算法之所以效率很低,是因为它反复求解相同的子问题。比方长度为33的钢条可以有2^32 = 4294967296种切割方法。用朴素的递归方法,需要求解这么大的一个规模,且不说频繁调用函数所产生的花销,要计算10亿次以上的加法和比较,这本身就很消耗时间。
基于此,动态规划方法仔细地安排求解顺序,对每一个子问题都只求解一次,并将值保存起来。如果之后再有求此子问题便可以查询其值而不是重新再求一遍。带备忘的动态规划法需要额外的内存开销,但是节省的时间却是可观的:可能将一个指数时间的解转化为多项式时间的解。
C++代码实现:
#include<iostream>
#include<climits>
#include<ctime>
#include<cstdlib>
int price[] = {1,5,8,9,10,17,17,20,24,30,32,33,33,39,41,44,45,45,45,48,50,55,60,70,78,79,79,88,90,91,92,92,92};
int max(int a,int b)
{
return a>b?a:b;
}
int cut_rod(int p[],int n)
{
if(n == 0) return 0;
int q = INT_MIN;
for(int i = 1; i <= n; i++){
q = max(q,p[i-1] + cut_rod(p,n-i));
}
return q;
}
int cut_rod_memoized(int p[],int n,int r[])
{
if(r[n-1] >= 0) return r[n-1];
int q;
if(n == 0){
q = 0;
}
else{
q = INT_MIN;
}
for(int i=1;i <= n; i++)
q = max(q,p[i-1]+cut_rod_memoized(p,n-i,r));
r[n-1] = q;
return q;
}
int cut_rod_memoized_core(int p[],int n)
{
int r[n];
for(int i=0;i < n;i++){
r[i] = INT_MIN;
}
return cut_rod_memoized(p,n,r);
}
int bottom_up_cut_rod(int p[],int n)
{
int r[n];
for(int j = 1;j <= n; j++){
int q = INT_MIN;
for(int i = 1; i <= j; i++){
if(j-1 -i >= 0){
q = max(q,p[i-1] + r[j-1 - i]);
}
else{
q = max(q,p[i-1]);
}
}
r[j-1] = q;
}
return r[n-1];
}
int main(int argc,char* argv[])
{
if(argc != 2) return -1;
time_t start_time = time(NULL);
int condition = atoi(argv[1]);
switch(condition){
case 0:std::cout<<cut_rod(price,sizeof(price)/sizeof(int))<<std::endl; break;
case 1:std::cout<<cut_rod_memoized_core(price,sizeof(price)/sizeof(int))<<std::endl; break;
case 2:std::cout<<bottom_up_cut_rod(price,sizeof(price)/sizeof(int))<<std::endl; break;
default:break;
}
time_t end_time = time(NULL);
std::cout<<"use:"<<end_time-start_time<<"seconds"<<std::endl;
return 0;
}
单纯的递归实现需要大概100秒的时间才能算出来,而另两种只需要不到1秒时间。这就可以看出动态规划的威力了。