一.基本思想
一般来说,只要问题可以划分为规模更小的字问题,并且原问题的最优解中包含了子问题的最优解,则可以考虑用动态规划解决。动态规划的实质是分治思想和解决冗余。因此,动态规划是一种将问题实例分解为更小的/相似的子问题,并存储子问题的解,使得每个子问题只求解一次,最终获得原问题的答案,以解决最优化问题的算法策略。
与贪心法的关系:
1.与贪心法类似,都是将问题实例归纳为更小的、相似的子问题,并通过求解子问题产生一个全局最优解。
2.贪心法选择当前最优解,而动态规划通过求解局部子问题的最优解来达到全局最优解。
二.动态规划问题的一般解题步骤
1、判断问题是否具有最优子结构性质,若不具备则不能用动态规划。
2、把问题分成若干个子问题( 分阶段)。
3、建立状态转移方程(递推公式)。
4、找出边界条件。
5、将已知边界值带入方程。
6、递推求解。
三.例题
花束摆放问题
每一个花瓶都具有各自的特点。因此,当各个花瓶中放入不同的花束时,会产生不同的美学效果,并以一美学值(一个整数)来表示,空置花瓶的美学值为零。为取得最佳美学效果,必须在保持花束顺序的前提下,使花束的摆放取得最大的美学值。请求出具有最大美学值的一-种摆放方式。
设A(i,j)表示第i种花束摆在第j个花瓶中获得的美学值。S[i,k]表示第i种花束摆在第k个之前(包括第k个)的任意某个花瓶中,前i种花束能够获得的最大美学值(之和)。这样,原问.题的最优值即为S[F,V]。其递归方程为:
S[i,k]=max{S[i-1,k-1]+A(i,k),S[i,k-1]}, (i>1, k>i);
初始条件为:
S[1,1]=A[1,1]; .
S[1,k]=max{A(1,k),S[1,k-1]},(k>1);
S[i,i]=S[i-1,i-1]+A(i,i),(i>1);
代码如下:
#include
using namespace std;
int dp[105][105];
int a[105][105];
int max(int a,int b)
{
return a>b?a:b;
}
int main()
{
int n,m;
int i,j;
for(i=1;i<=n;i++)
for (j=1;j<=m;j++)
cin>>a[i][j];
for(i=1;i<=n;i++)
for (j=i;j<=m;j++)
{
dp[i][j]=dp[i-1][j-1]+wei[i][j];
if(j>i)
dp[i][j]=max(dp[i][j],dp[i][j-1]);
}
cout<<dp[n][m]<<endl;
return 0;
}