爬楼问题
方法一
递归方法实现爬10阶楼梯的问题
def F(n):
if n==1:
return 1
if n==2:
return 2
return F(n-2)+F(n-1)
print(F(10))
>>>89
方法二
10阶楼梯运用单纯递归的方法轻松得到结果,可是当阶数变成100的时候或者更多的时候,想要得出结果可就没有怎么轻松了,则就需要通过剔除重复项将算法进行优化。
def F(n):
if n==1:
return 1
if n==2:
return 2
if res[n]!=0:
return res[n]
res[n]= F(n-2)+F(n-1)
return res[n]
step=100
res=[0 for i in range(step+1)]
print(F(step))
>>>573147844013817084101
通过观察方法一和方法二应该可以看到通过增加一个这条语句if res[n]!=0: return res[n]
,或者更准确的来说是增加一个数组(或称备忘录)res[n]
解决了100阶爬楼梯问题,此时增加的这条数组(或称备忘录)就是我们动态规划算法的标致之一。
方法三
通过计算上述算法时间复杂度为O(2^n),我们将它再优化到线性阶O(n)。
def F(n):
for step in range(3,n+1):
res[step]=res[step-1]+res[step-2]
return res[n]
step=100
res=[0 for i in range(step+1)]
res[1]=1
res[2]=2
print(F(step))
>>>573147844013817084101
背包问题
问题描述:在背包有限的情况下使背包价值最大。
本题描述:背包容积为13。
可以分解成两种问题:
第一种,放入第i件物品,得出公式 V(i-1,j-wi)+vi
因为加入第i件物品,背包体积就要减去第i件物品的体积,相应价值也应该加上所以就得出上述公式
第二种,不放入第i件物品,得出公式 V(i-1,j)
根据上述公式得出的表达式
因当前背包容积j小于当前第i件物品的容量时物品放不进去所以为V(i-1,j)
##背包问题
def knapsack(v,w,c):
#构建备忘录数组
rec=[[0 for i in range(c+1)] for j in range(len(v))]
#设计辅助跟踪数组:取值为0、1(0:i件物品没有放到背包,1:i件物品放到背包)
route=[[0 for i in range(c+1)] for j in range(len(v))]
#利用递推关系填写rec(1,1)开始填
for i in range(1,len(v)):#控制当前填的i行
for j in range(1,c+1):#控制当前填的j列,当前背包剩余容量为j
if j<w[i]:#当前容量小于第i件物体体积
rec[i][j]=rec[i-1][j]
else:#比较放第i件物品的解和不放第i件物品的解rec[i][j]=max(rec[i-1][j],v[i]+rec[i-1][j-w])
if rec[i-1][j]>v[i]+rec[i-1][j-w[i]]:
rec[i][j]=rec[i-1][j]
else:
#此处为放入i物品
route[i][j]=1
rec[i][j]=v[i]+rec[i-1][j-w[i]]
#追踪放入的物品
i=len(v)-1 #定位行
j=c #定位列
goods_list=[]#商品列表,存储最终放入物品清单
while i>=1:
if route[i][j]==1: #第i件物品放入背包
goods_list.append(i)
j=j-w[i]
i=i-1#往上找i=i-1
return rec[-1][-1],goods_list
#商品的价值信息
#商品价值 9 10 9 2 24
#商品体积 4 5 4 3 10
V=[0,9,10,9,2,24]
W=[0,4,5,4,3,10]
#!背包容量
C=13
print(knapsack(V,W,C))
>>>(28, [3, 2, 1])
最长公共子序列
问题描述:求两个给定序列的最长公共子序列。
与背包问题有异曲同工之处,也是需要对问题进行分析。
根据子序列分析也是有两种情况:
第一种最后的符号不相同
第二种最后的符号相同
据上得出下面公式
def com_str(x,y):
rec=[[0 for j in range(len(y))] for i in range(len(x))]
route=[[0 for j in range(len(y))] for i in range(len(x))]
for i in range(1,len(x)):
for j in range(1,len(y)):
if x[i]==y[j]:
rec[i][j]=rec[i-1][j-1]+1
route[i][j]=1
else :
if rec[i][j-1]>rec[i-1][j]:
rec[i][j]=rec[i][j-1]
route[i][j]=3
else:
rec[i][j]=rec[i-1][j]
route[i][j]=2
#追踪
i=len(x)-1
j=len(y)-1
item_list=[]
while i>1:
if route[i][j]==1:
item_list.append(x[i])
i-=1
j-=1
elif route[i][j]==2:
i-=1
else:
j-=1
return rec[-1][-1],item_list[::-1]
X=["","A","B","C","B","B","A","B"]
Y=["","B","D","C","B","B","B"]
print(com_str(X,Y))
>>>(5, ['B', 'C', 'B', 'B', 'B'])
硬币找零问题
import sys
def change(coins,amount):
rec=[[0 for j in range(amount+1)] for i in range(len(coins))]
route=[[0 for j in range(amount+1)] for i in range(len(coins))]
rec[0]=[sys.maxsize]*(amount+1)#sys.maxsize无穷大
for i in range(1,len(coins)):
for j in range(1,amount+1):
if j<coins[i]:
rec[i][j]=rec[i-1][j]
else:
if rec[i-1][j]<1+rec[i][j-coins[i]]:
rec[i][j]=rec[i-1][j]
else:
rec[i][j]=rec[i][j-coins[i]]+1
route[i][j]=1
#追踪
coin_list=[]
i=len(coins)-1
j=amount
while i>=1 and j>=1:
if route[i][j]==1:
coin_list.append(coins[i])
j-=coins[i]
else:
i-=1
return rec[-1][-1],coin_list
COINS=[0,1,3,4,5]
change(COINS,11)
>>>(3, [5, 5, 1])
总结
动态规划旨在剔除递归中的重叠子问题