动态规划之钢条切割问题 (一)

/* 动态规划之钢条的切割问题

vector p{0, 1, 5, 8, 9, 10, 17, 17, 20, 24, 30};

p[i]表示的是i长度的钢条价值为p[i]

求解将长度为n的钢条锯成多少小钢条才能使得价值最大 */

#include

#include<vector>

using namespace std;

int cut_Rod(vector<int> p,int n)

{

    if(n == 0)

        return 0;

    int num = INT_MIN;

    for (int i = 1; i <= n;i++)

    {

        num = max(num, p[i] + cut_Rod(p, n - i));

    }

    return num;

}

int main()

{

    vector<int> p{0, 1, 5, 8, 9, 10, 17, 17, 20, 24, 30};

    int len = 10;

    cout << "请输入钢条的长度" << endl;

    cin >> len;

    int num = cut_Rod(p, len);

    cout << "钢条切割的最大价值为" << endl;

    cout << num;

    return 0;

}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
动态规划是解决钢条切割问题的有效方法。下面是解决该问题的步骤: 1.定义问题:假设我们有一段长度为n的钢条和一个价格表pi(i=1,2,3….),其中pi表示长度为i英寸的钢条的价格。我们需要找到一种切割方案,使得切割后的钢条总价格最大。 2.找到最优子结构:假设我们已经找到了长度为n的钢条的最优切割方案,即rn。那么rn必然由一个或多个长度小于n的钢条的最优切割方案组成。因此,问题的最优解包含了子问题的最优解,具有最优子结构性质。 3.确定状态:我们可以用r[n]表示长度为n的钢条的最大收益。因此,我们需要求解的就是r[n]。 4.确定状态转移方程:假设我们已经知道了r, r, ..., r[n-1]的值,我们需要求解r[n]。我们可以枚举钢条的第一段切割位置,假设第一段切割位置为i,则有以下状态转移方程: r[n] = max(p[i] + r[n-i]),其中1<=i<=n 5.确定边界条件:当钢条长度为0时,收益为0,即r=0。 6.计算最优解:根据状态转移方程和边界条件,我们可以使用自底向上的方法计算出r[n]的值,从而得到最优解。 下面是Python代码实现: ```python def cut_rod(p, n): r = [0] * (n + 1) for j in range(1, n + 1): q = -1 for i in range(1, j + 1): q = max(q, p[i] + r[j - i]) r[j] = q return r[n] # 示例 p = [0, 1, 5, 8, 9, 10, 17, 17, 20, 24, 30] n = 4 print("长度为{}的钢条的最大收益为{}".format(n, cut_rod(p, n))) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值