动态规划算法Dynamic Programming

/**

 *  动态规划算法

 

 Dynamic Programming = Divide and Conquer + Memoization

 

 动态规划是分治法的延伸。当递归分割出来的问题，一而再、再而三出现，就运用记忆法储存这些问题的答案,避免重复求解,以空间换取时间。

 

 动态规划的过程，就是反覆地读取数据、计算数据、储存数据。

 

 1: 动态规划算法一般用来求解最优化问题,当问题有很多可行解,而题目要求寻找这些解当中的“最大值”/“最小值”时，

  通常可以采用DP。

 2: 动态规划算法与分治法相似,都是通过组合子问题的解来求解原问题。

    所不同的是,动态规划应用于子问题重叠的情况,

    在递归求解子问题的时候，一些子子问题可能是相同的,这种情况下,分治法会反复地计算同样的子问题,

    而动态规划对于相同的子问题只计算一次。

 

 

 动态规划算法的设计步骤：

 1、刻画最优解的结构特征（寻找最优子结构）

 2、递归地定义最优解的值（确定递归公式）

 3、计算最优解的值（有两种方法：带备忘录自顶向下法、自底向上法）

 4、利用计算出的信息构造一个最优解（通常是将具体的最优解输出）

 */

                                                      

eg1: 阶乘

/* 范例：阶乘（ Factorial）

 

 1 × 2 × 3 × ⋯ × N 。整数 1到 N 的连乘积。 N阶乘。 N! 。

 

 N! 源自 (N-1)!，如此就递归分割问题了。

 

 

 阵列的每一格对应每一个问题。设定第一格的答案，再以递归依序计算其馀答案。

 

 

 时间复杂度分析：总共 N个问题，每个问题花费 O(1) 时间，总共花费 O(N)时间。

 

 空间複杂度分析，有两种情况：

 

 求 1!到 N! ：总共 N个问题，用一条 N 格阵列储存全部问题的答案，空间複杂度为 O(N)。

 

 只求 N!：用一个变数累计乘积，空间複杂度为 O(1) 。

*/

const int N = 10;
int f[N];

void
factorial(){
    f[0] = 0;
    f[1] = 1;
    for (int i = 2; i<= N; ++i) {
        f[i] = f[i-1] * i;
    }
}

void
test_pactorial(){
    factorial();
    printf("f[9]=%d",f[9]);
}