定义:
动态规划算法是通过拆分问题,定义问题状态和状态之间的关系,使得问题能够以递推(或者说分治)的方式去解决。动态规划算法的基本思想与分治法类似,也是将待求解的问题分解为若干个子问题(阶段),按顺序求解子阶段,前一子问题的解,为后一子问题的求解提供了有用的信息。在求解任一子问题时,列出各种可能的局部解,通过决策保留那些有可能达到最优的局部解,丢弃其他局部解。
动态规划的基本步骤如下 :
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。
例如:
**问题:**有一个由非负整数组成的三角形,第一行只有一个数,除了最后一行之外每个数的左下方和右下方各有一个数。从第一行的数开始,每次可以往下或右下走一格,直到走到最后一行,把沿涂经过的数全部加起来。如何走才能使得这个数尽可能的大?
**思想:**对于这样一个问题,可能大家想到的第一个解法就是递归。对于递归,我们不用想太多。因为当我们想要知道第(i, j)处的最大值时,是要依赖第(i+1, j)和第(i+1, j+1)个节点的最大值。所以,我们就可以使用递归和递推来实现。
具体代码:
/**
* 递推计算
* @param map
* @return
*/
int solve(int[][] map){
int n = map.length;
int[][] flag = new int[n][n];
for(int i=n-1;i>=0;i--){
for(int j=0;j<=i;j++){
if(i==n-1) flag[i][j] = map[i][j];
else{
flag[i][j] = Math.max(flag[i+1][j], flag[i+1][j+1])+map[i][j];
}
}
}
return flag[0][0];
}
/**
* 记忆化搜索
* @param map
* @param flag
* @param i
* @param j
* @return
*/
int solve2(int[][] map,int[][] flag,int i,int j){
if(flag[i][j]>0) return flag[i][j];
if(i==map.length-1){
flag[i][j] = map[i][j];
}else{
flag[i][j] = Math.max(solve2(map, flag, i+1, j), solve2(map, flag, i+1, j+1))+map[i][j];
}
return flag[i][j];
}
public static void main(String[] args) {
Main m = new Main();
int[][] map = new int[][]{{1},{3,2},{4,10,1},{4,3,2,20}};
int n = map.length;
int[][] flag = new int[n][n];
System.out.println(m.solve2(map,flag,0,0));
}