【齐天的博客】转载请注明出处(万分感谢!):
https://blog.csdn.net/qijinglai/article/details/94324251
Dynamic programming 动态规划,与分治法相似,都是通过组合子问题的解来求解原问题,但动态规划是应用于子问题重叠的场景,每个子问题都只求一遍,将解存入表格中,避免不必要的重复工作。
问题:购买长钢条,将其切割为短钢条出售,不同长度的钢条对应不同的价格,希望得到最佳的切割方案使利润最大化。
长度 i | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
---|---|---|---|---|---|---|---|---|---|---|
价格 p | 1 | 5 | 8 | 9 | 10 | 17 | 17 | 20 | 24 | 30 |
先把结果放出来
钢条长度 | 切割方案 | 最大价值 |
---|---|---|
1 | 1 | 1 |
2 | 2 | 5 |
3 | 3 | 8 |
4 | 2+2 | 10 |
5 | 2+3 | 13 |
6 | 6 | 17 |
7 | 1+6或2+2+3 | 18 |
8 | 2+6 | 22 |
9 | 3+6 | 25 |
10 | 10 | 30 |
思考方式
- 由大化小,因为这种切割问题满足最优子结构性质,所以我们寻找更小一些的子问题,寻找循环不变的问题,即无论哪一次切割,我切割之后会产生两段钢条,而这两段钢条产生了最大的收益,之后这两段钢条再去循环上述过程,直到切割完成;
- 递归,将钢条切成两块,递归这个过程,最后比较结果产生最优解
- 动态规划
前两种属于朴素递归方法,反复求解相同的子问题,效率很低,运行时间为n的指数函数,而动态规划每次执行都存储了结果,在下次运行相同子问题是会直接使用结果而不用重复计算,提高了效率
实现方式
动态规划有两种等价的实现方式
- 自顶向下,备忘录式
- 自底向上
自顶向下:仍然按照递归形式,过程中保存没格子问题的解,而后遇到子问题都回去查是否之前保存过,节省时间,所以又称是带有备忘录的算法
自底向上:这种方法需要把子问题按照规模排序,由小到大进行求解,因为大问题会依赖与小规模的问题,由于小问题已经求解完毕也相当于存储了之前的结果。
这两种方式渐进运行时间相同,但考虑细节,后者没有频繁递归,所以时间复杂度有更小的系数,当然次数越大系数就越不重要
这里贴出来后者实现解决问题的代码供参考
/**
* author: Qit .
* date: On 2019/6/28
*/
public class Test {
static int q;
static int[] p = new int[]{0, 1, 5, 8, 9, 10, 17, 17, 20, 24, 30};
static int[] r = new int[p.length];
public static void main(String[] args) {
System.out.printf(getMaxValue(5) + "");
}
private static int getMaxValue(int length) {
return memoized_aux(length, r, p);
}
private static int memoized_aux(int n, int[] r, int[] p) {
if (r[n] > 0) {
return r[n];
}
if (n == 0)
return q = 0;
else
for (int i = 1; i <= n; i++) {
q = Math.max(q, p[i] + memoized_aux(n - i, r, p));
}
r[n] = q;
System.out.println(n + "---" + r[n]);
return q;
}
}