动态规划(Dynamic Programming),简称DP。
简介
什么是动态规划,我们要如何描述它?
动态规划算法通常基于一个递推公式以及一个或多个初始状态。当前子问题将由上一个子问题的解推出。使用动态规划来解题只需要多项式时间复杂度,因此比暴力法和回溯法快很多。
DP的基本原理:我们要找到一个状态的最优解,在它的帮助下,去找到下一个状态的最优解。DP的做法通常是自底向顶的。
状态是什么,如何找到它?
“状态”用来描述该问题的子问题的解。下面给出一个例子:
有a、b、c元面值的纸币(a、b、c依次递增),最少需要多少张才能凑够i元?
我们设答案为d[i],我们可以很容易观察到初始状态的值,amount[a] = 1,amount[b] = 1,amount[c] = 1,然后我们也可以很容易的观察到状态转移方程:当i>c时,状态转移方程时 amount[i] = min(amount(i-a)+1,amount(i-b)+1,amount(i-c)+1);当i>b时,状态转移方程时 amount[i] = min(amount(i-a)+1,amount(i-b)+1);当i>a时,状态转移方程时 amount[i] = amount(i-a);
下面给出代码:
#include<iostream>
using namespace std;
int a,b,c;//c>b>a
int min(int m,int n){
return (m<n)?m:n;
}
int min(int m,int n,int x){
int c = min(n,x);
return min(m,c);
}
int amount(int i){
int z = 0;
if( i == 0) return 0;
if( i == a || i == b || i == c ) return 1;
if( i > c ) return min(1 + amount(i-a),1+amount(i-b),1+amount(i-c));
if( i > b ) return min(1 + amount(i-a),1+amount(i-b));
if( i > a ) return 1 + amount(i-a);
// return z;
}
int main(){
int i;
cin>>i;
cin>>a>>b>>c;
cout<<amount(i);
}//在写代码时发现了一个很令我懊恼的错误,i>c,i>b,i>a的语句中,我之前写的是z = ..;z= ..;z=..,最后再return z;这样对i做了三次判断。。因此结果让我很无语。
总结:
我们也可以推广结论,当遇到相似问题时,比如有n层台阶,我们可以走a或b或c步,求最少需要几步。