五大常规算法：动态规划算法

动态规划也是一种分治思想，与分治法不同的是：分治法是把原问题分解为若干子问题，由上而下解决，求解子问题，合并子问题的解从而得到原问题的解。动态规划也是一种自顶向下把原问题分解为子问题，不同的是，然后自底向上，向求解最小子问题，把结果粗出在表格中，在求解大的子问题时，直接从表格中查询小的子问题的解，避免重复计算，从而提高效率。

---

例如有一道例题

每次可以上1阶台阶，也可以上2阶台阶，求走一个n级台阶共有多少种走法。

 

---

我们先用分治法实现。

假设要走5级台阶，按照分治法思想，最后一步走1阶，前4级有多少种走法；或者左后一步走2阶，前3级有多少种走法。

我们将求n级台阶共有多少种走法用f(n)表示，则f(n)=f(n-1)+f(n-2)

由上可得 f(5) = f(4) +f(3) 

对于边界情况 f(1）=1  f(2) = 2

#include<iostream>
using namespace std;

int WalkCout(int n) {
	if (n < 0) return 0;
	if (n == 1) return 1; //一级台阶，一种走法
	else if (n == 2) return 2; //二级台阶，两种走法
	else { //n 级台阶， n-1 个台阶走法 + n-2 个台阶的走法
			return WalkCout(n - 1) + WalkCout(n - 2);
	}
}
int main(void) {
	cout << "5级台阶共有：" << WalkCout(5) << "种走法" << endl;
	
	system("pause");
	return 0;
}

运行结果

当我们将台阶级数改为40，并且增加一个时间戳计算一下时间

#include<time.h>

time_t begin, end;
time(&begin);
cout << "5级台阶共有：" << WalkCout(40) << "种走法" << endl;
time(&end);
cout << "用时为：" << end - begin << endl;

运行结果

这种计算方法会有很多的重复计算

例如在进行迭代时 f(4) =f(3) +f(2) =f(2) +f(1) +f(2)    f(3) =f(2) +f(1) 。f(2) +f(1)在之后的每次计算中都会被重复计算一次

---

如果我们从下往上推

f(1) =1

f(2) =2

f(3) = f(1) + f(2) =3

f(4) = f(3）+f(2) =3+2=5

#include<iostream>
#include<time.h>
using namespace std;

int WalkCout(int n) {
	if (n < 0) return 0;
	if (n == 1) return 1; //一级台阶，一种走法
	else if (n == 2) return 2; //二级台阶，两种走法
	
	int* value = new int[n + 1];
	value[0] = 0;
	value[1] = 1;
	value[2] = 2;
	for (int i = 3; i <= n; i++)
		value[i] = value[i - 1] + value[i - 2];
	int ret = value[n];
	delete value;
	return ret;
}
int main(void) {
	time_t begin, end;
	time(&begin);
	cout << "5级台阶共有：" << WalkCout(40) << "种走法" << endl;
	time(&end);
	cout << "用时为：" << end - begin << endl;
	system("pause");
	return 0;
}

运行结果

什么时候要用动态规划？
        如果要求一个问题的最优解（通常是最大值或者最小值），而且该问题能够分解成若干个子  问题，并且小问题之间也存在重叠的子问题，则考虑采用动态规划。
怎么使用动态规划？
五步曲解决：
        1. 判题题意是否为找出一个问题的最优解
        2. 从上往下分析问题，大问题可以分解为子问题，子问题中还有更小的子问题
        3. 从下往上分析问题 ，找出这些问题之间的关联（状态转移方程）
        4. 讨论底层的边界问题
        5. 解决问题（通常使用数组进行迭代求出最优解）