1.1问题描述
在一个圆形操场的四周摆放着n堆石子。现要将石子有次序地合并成一堆。规定每次只能选相邻的2 堆石子合并成新的一堆，并将新的一堆石子数记为该次合并的得分。试设计一个算法，计算出将n堆石子合并成一堆的最小得分和最大得分。
1.2完成系统设计
对于任意给定的n堆石子,计算合并成一堆的最小得分和最大得分。
贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，算法得到的是在某种意义上的局部最优解。
贪心算法不是对所有问题都能得到整体最优解，关键是贪心策略的选择。
贪心算法是一种对某些求最优解问题的更简单、更迅速的设计技术。贪心算法的特点是一步一步地进行，常以当前情况为基础根据某个优化测度作最优选择，而不考虑各种可能的整体情况，省去了为找最优解要穷尽所有可能而必须耗费的大量时间。贪心算法采用自顶向下，以迭代的方法做出相继的贪心选择，每做一次贪心选择，就将所求问题简化为一个规模更小的子问题，通过每一步贪心选择，可得到问题的一个最优解。虽然每一步上都要保证能获得局部最优解，但由此产生的全局解有时不一定是最优的，所以贪心算法不要回溯。
2.2尝试贪心法
本题初看以为可以使用贪心法解决问题，但是事实上因为有必须相邻两堆才能合并这个条件在，用贪心法就无法保证每次都能取到所有堆中石子数最多的两堆。 例如下面这个例子： 6 3 4 6 5 4 2
如果使用贪心法求最小得分，应该是如下的合并步骤：
第一次合并 3 4 6 5 4 2 2,3合并得分是５
第二次合并 5 4 6 5 4 5,4合并得分是9
第三次合并 9 6 5 4 5,4合并得分是9
第四次合并 9 6 9 9,6合并得分是15
第五次合并 15 9 15,9合并得分是24
总得分＝5＋9＋9＋15＋24＝62
但是如果采用如下合并方法，却可以得到比上面得分更少的方法：
第一次合并 3 4 6 5 4 2 3,4合并得分是7
第二次合并 7 6 5 4 2 7,6合并得分是13
第三次合并 13 5 4 2 4,2合并得分是6
第四次合并 13 5 6 5,6合并得分是11
第五次合并 13 11 13,11合并得分是24
总得分＝7＋13＋6＋11＋24＝61
由此我们知道本题是不可以使用贪心法求解的，上例中第五次合并石子数分别为13和11的相邻两堆。 这两堆石头分别由最初 的第1，2，3堆（石头数分别为3，4，6）和第4，5，6堆（石头数分别为5，4，2）经4次合并后形成的。
于是问题又归结为如何使得这两个子序列的N－2次合并的得分总和最优。为了实现这一目标，我们将第１个序列又一分为二：第１、２堆构成子序列１，第３堆为子序列２。 第一次合并子序列１中的两堆，得分７； 第二次再将之与子序列２的一堆合并，得分13。显然对于第１个子序列来说，这样的合并方案是最优的。同样，我们将第２个子序列也一分为二； 第４堆为子序列１，第５，６堆构成子序列２。第三次合 并子序列２中的２堆，得分６； 第四次再将之与子序列１中的一堆合并，得分13。显然对于第二个子序列来说，这样的合并方案也是最优的。由此得出一个结论──６堆石子经过这样的５次合并后，得分的总和最小。
动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值的解。动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。与分治法不同的是，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算了很多次。如果我们能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，这样就可以避免大量的重复计算，节省时间。我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。这就是动态规划法的基本思路。具体的动态规划算法多种多样，但它们具有相同的填表格式。
阶段i：石子的每一次合并过程，先两两合并，再三三合并，…最后N堆合并
状态s：每一阶段中各个不同合并方法的石子合并总得分。
决策：把当前阶段的合并方法细分成前一阶段已计算出的方法，选择其中的最优方案 具体来说我们应该定义一个数组s[i,j]用来表示合并方法，i表示从编号为i的石头开始合并，j表示从i开始数j堆进行合并，s[i,j]为合并的最优得分。 对于上面的例子来说，初始阶段就是s[1,1],s[2,1],s[3,1],s[4,1],s[5,1],s[6,1]，因为一开始还没有合并，所以这些值应该全部为0。
第二阶段：两两合并过程如下，其中sum(i,j)表示从i开始数j个数的和
s[1,2]=s[1,1]+s[2,1]+sum(1,2) s[2,2]=s[2,1]+s[3,1]+sum(2,2) s[3,2]=s[3,1]+s[4,1]+sum(3,2) s[4,2]=s[4,1]+s[5,1]+sum(4,2) s[5,2]=s[5,1]+s[6,1]+sum(5,2) s[6,2]=s[6,1]+s[1,1]+sum(6,2) 第三阶段：三三合并可以拆成两两合并，拆分方法有两种，前两个为一组或后两个为一组
s[1,3]=s[1,2]+s[3,1]+sum(1,3)或s[1,3]=s[1,1]+s[2,2]+sum(1,3)，取其最优 s[2,3]=s[2,2]+s[4,1]+sum(2,3)或s[1,3]=s[2,1]+s[3,2]+sum(2,3)，取其最优 . . 第四阶段：四四合并的拆分方法用三种，同理求出三种分法的得分，取其最优即可。 以后第五阶段、第六阶段依次类推，最后在第六阶段中找出最优答案即可。
由此得到算法框架如下：
For j←2 to n do {枚举阶段，从两两合并开始计算}
For i←1 to n do {计算当前阶段的n种不同状态的值}
For k←1 to j-1 do {枚举不同的分段方法}
begin If i+k>n then t←(i+k) mod n else t←i+k { 最后一个连第一个的情况处理 }
s[i,j]←最优{s[i,k]+s[t,j-k]+sum[1,3]} {sum[i,j]表示从i开始数j个数的和}
递归算法（英语：recursion algorithm）在计算机科学中是指一种通过重复将问题分解为同类的子问题而解决问题的方法。递归式方法可以被用于解决很多的计算机科学问题，因此它是计算机科学中十分重要的一个概念。绝大多数编程语言支持函数的自调用，在这些语言中函数可以通过调用自身来进行递归。计算理论可以证明递归的作用可以完全取代循环，因此在很多函数编程语言（如Scheme）中习惯用递归来实现循环。
图4-1算法流程图
图4-2算法流程图
结果显示正确
（由于实验次数较多，此处不再一一赘述）
通过本课程的学习，我发现了编写程序的乐趣，每个问题的背后都有着不一样的解决方法，一千个读者就有一千个哈姆雷特。这不仅仅开拓了我们的思维，也大大提高了我们的学习能力，同时我也学会了相当多的方法技巧，收获巨大。如此丰富且有趣的课程，拥有良好的学习体验，令人耳目一新，印象深刻。
其次，我对c语言有加深了在学习，加深了记忆，也学到了平时做题或者处理各种问题的一些算法，或者说是技巧，从很大程度上丰富了我的知识量，提升了我自己。现在我做题时，能够想到的做法明显增多了。这门课程也很吸引我，每次上课都是十分有趣的，每章都会有各种各样的小游戏或者学习视频，我感觉这种教学方式很好，希望能够继续保持下去。
①https://baike.baidu.com/item/sort%E5%87%BD%E6%95%B0/11042699?fr=aladdin
百度百科C++ SORT函数
②https://www.cnblogs.com/henuliulei/p/10195178.html
795
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
