动态规划
引入–—递推(斐波那契数列)
1 1 2 3 5 8 13
后一个数等于前两个数的和
f(1)=1,f(2)=1
f(n)=f(n-1)+f(n-2)-----(n>2)
欲算f(5)需要知道f(4)和f(3)
欲算f(4)需要知道f(3)和f(2)
以此类推
会发现上图中重复着算了两次f(3),这样的话时间复杂度就是O(2^n)
但是计算机把上图中左分支的f(3)算出来之后,保存下来,右分支的f(3)可直接使用
这样计算,时间复杂度变为O(n)
动态规划最优解1
- 题目:
横轴代表时间,小长方形代表任务,每个任务有一定的收入,例如第一个任务代表500元…,第一个任务需要在1点到4点完成,第二个任务3点到5点,工人想做任务挣最多的钱?(时间不可以冲突)
- 分析思路:
两种方案:选和不选
设OPT(i):考虑第1个,第2个,…,第8个的最优解
此时假设i=8,OPT(8)考虑选还是不选
1.当选8时,可以挣400,发现第6个和第7个不能选
2.当不选,可以考虑前面7个的最优解
看两种那种解更好即为最优解
因为时间限制的原因:
动态规划一般是自下向上的
prev(8)=5 (一定要做任务8,之后只能做任务5之前的)
prev(7)=3(一定要做任务7,之后只能做任务3之前的)
prev(6)=2(,,,)
.
.
.
prev(2)=0(一定要做任务2,之后任务都无法完成)
动态规划最优解2
- 问题引入:
有一组数字1,2,4,1,7,8,3
需要满足以下条件:在这几个数里面选出的数,不能是相邻的,并且使得选中的数字加起来和最大
- 分析思路:
递归出口条件:
OPT(0)=Arr[0]
递归法----伪代码:
int rec_opt(arr, i){
if(i==0)
return arr[0];
else if(i==1)
return arr[0]>arr[1]?arr[0]:arr[1];
else {
int a = rec_opt(arr, i-2)+arr[i];
int b = rec_opt(arr, i-1);
return a>b?a:b;
}
}
main
int[] arr = {4,1,1,9,1};
cout<<dp_opt(arr)<<endl;
cout<<rec_opt(arr,arr.length-1())<<endl;
非递归法-----伪代码:
dp_opt(arr) {
int[] opt = new int[arr.length];
opt[0] = arr[0];
opt[1] = arr[0]>arr[1]?arr[0]:arr[1];
for(int i=2;i<opt.length;i++) {
int a = opt [i-2+]arr[i];
int b = opt [i-1];
opt[i] = a>b?a:b;
}
return opt [arr.length-1];
}
main
int[] arr = {4,1,1,9,1};
cout<<dp_opt(arr)<<endl;
cout<<rec_opt(arr,arr.length-1())<<endl;