动态规划

例题引入

递归+记忆化
（对于重叠子问题，可以加入记忆化，把答案保存起来，加快运算速度）

动态规划

临时工

一个临时工，在一个时间段里有8份工作可以选择，每份工作工作的时间不同，每份工作的报酬也不同，但工作时间可能重贴，重叠的工作不能选择，我们要找出最大受益的选择方案（最优解）。
我们对这八个工作内容进行编号1…8。
我们将该问题拆分为一个选与不选的问题

选：

代码实现

递归实现

arr = [1,2,4,1,7,8,3]
def rec_opt(arr,i):
	if i == 0:
		return arr[0]
	elif i == 1:
		return max(arr[0],arr[1])
	else :
		A = rec_opt(arr,i - 2) + arr[i]
		B = rec_opt(arr,i - 1)
		return max(A,B)
rec_opt(arr,6)

代码优化

非递归实现

import numpy as np
arr = [1,2,4,1,7,8,3]
def dp_opt(arr) :
	opt = np.zeros(len(arr))
	opt[0] = arr[0]
	opt[1] = max(arr[0],arr[1])
	for i int range(2,len(arr)) :
		A = opt[i - 2] + arr[i]
		B = opt[i]
		opt[i] = max(A,B)
	return opt[len(arr) - 1]
rec_opt(arr,6)

组合总和

代码实现

递归实现

arr = [3,34,4,12,5,2]
def rec_subsset(arr,i,s) :
	if s== 0:
		return True
	elif i == 0:
		return arr[0] == s
	elif arr[i] > s :
		return rec_subset(arr,i - 1,s)
	else :
		A = rec_subset(arr,i - 1,s - arr[i])
		B = rec_subset(arr,i - 1,s)
	return A or B
rec_subset(arr,len(arr) - 1,9)

代码优化

非递归实现

import numpy as np
arr = [3,34,4,12,5,2]
def dp_sunset(arr,s) :
	subset = np.zeros((len(arr),s + 1),dtype = bool)
	subset[:,0] = True
	subset[0,:] = False
	subset[0,arr[0]] = True
	for i int range(1,len(arr)) :
		for s in range(1,s + 1) :
		if(arr[i] > s :
			subset[i,s] = subset[i -1,s]
		else :
			A = sunset[i 1- ,s- arr[i]]
			B = subset[i - 1,s]
			subset[i,s] = A or B
			r,c = subset.shape
	return subset[r-1,c-1]
rec_subset(arr,len(arr) - 1,9)