动态规划算法学习（适合初学的选手）

最新推荐文章于 2022-04-02 15:15:55 发布

依依_东望

最新推荐文章于 2022-04-02 15:15:55 发布

阅读量315

点赞数 2

分类专栏：算法

本文链接：https://blog.csdn.net/qq_41558413/article/details/86556867

版权

动态规划算法通过组合子问题求解原问题，避免重复计算，提高效率。本文以钢条切割和最长公共子序列问题为例，详细解释动态规划的原理和应用，包括递归、备忘录和自底向上法的实现，旨在为初学者提供清晰的理解。

摘要由CSDN通过智能技术生成

摘要
动态规划（Dynamic programming）通过组合子问题来来求解原问题（在此处，我们不妨将"programming"理解为一种表格，用于记录上一步执行的结果）。动态规划算法对每个子问题只求解一次（而递归算法重复求解相同的子问题，因而效率非常低），并将其解保存在一个表格中，从而不必每次重复求解相同子问题，动态规划算法效率大大高于递归算法就得益于此。动态规划算法在数学、管理科学、计算机科学、经济学和生物信息学中广泛应用。本文以钢条切割问题和最长公共子序列问题为例讲解动态规划算法。
一. 钢条切割问题
将一段钢条切割成若干段，每段钢条长度为整数，每段钢条价格如下表所示，若要获得最大收益应如何切？
钢条价格表
此处参考《算法导论》中的叙述（见下图）
在这里插入图片描述
一般地，对于r_n(n≥1),用下式表示收益：
r_n=max(p_n,r₁+r_n-1,r₂+r_n-2,…,r_n-1+r₁)
上式可进一步简化为 r_n=max(p_i+r_n-i), 其中1≤i≤n.此式称为状态转移方程，由此可有三种方案解决，分别为：自顶向下递归实现、带备忘的自顶向下法（top-down with memoization)和自底向上向上法(bottom-up method)，其中后两种方案属于动态规划动态规划方法。下面分别用代码实现之:
1.递归方法：

#include <iostream>
#include<algorithm>
using namespace std;
#define N 100
int CUT_ROD(int p[N],int n)
{
   
 if(n==0)
  return 0;
 int q=-1;
 for(int i=1;i<=n;i++)
  q=max(q,p[i]+CUT_ROD(p,n-i));
 return q;
}
int main()
{
   
 int v[N]={
   0,1,5,8,9,10,17,17,20,24,30};
 cout<<"钢条切割的最大收益为："<<endl;
 cout<<CUT_ROD(v,10)<<endl;
 return 0;
}

2.带备忘的自顶向下法

#include <iostream>
#include <algorithm>
using namespace std;
#define N 100
int MEMOIZED_CUT_ROD_AUX(int p[N],int n,int r[N])  //带备忘机制的递归函数
{
   
 int q;
 if(r[n]>=0)
  return r[n];
 if(n==0