算法实验4：动态规划的应用

实验内容

一、数塔问题

从数塔的顶层出发，在每一个结点可以选择向左走或向右走，一直走到最底层，要求找出一条路径，使得路径上的数值和最大。要求随机生成一个高度为N的数塔(N=4,8，16，…),用动态规划法进行求解，写出动态规划函数，分析算法时间复杂度，并画出时间随N变化的曲线图。

二、用动态规划法求解0/1背包问题。

（1）背包的容量固定为100，随机生成N个物品(N=4,8，16…),其重量为整数（取值范围为1-5），每个物品的价值为整数（取值范围1-100）。用动态规划法求解，写出动态规划函数，分析算法时间复杂度，并画出时间随N变化的曲线图。

（2）背包的容量固定为100，如果物品的重量不是整数，问是否可以使用动态规划法求解该类0/1背包问题？给出原因。例如，物品的重量可以是1.1，1/3，sqrt(2)等等。

实验结果

数塔问题

将数塔存储在data[n][n]中，数组op[n][n]存储动态规划每一步的决策结果，得到动态规划函数:

op[n-1][j]=data[n-1][j](0<=j<=n-1)

op[i][j]=data[i][j]+max{op[i+1][j],op[i+1][j+1]}(0<=i<=n-2,0<=j<=i)

运行时间与N输入大小的曲线图

初始化op数组的时间复杂度是O（n），对op数组进行填写时，需要填写n-1行，第i行填写i个元素，时间复杂度是O（n^2）输出路径时的时间复杂度时O（n）整个算法的时间复杂度是O（n^2）

0/1背包问题

从V(n,C)的值向前推，如果V(n,C)>V(n-1,C)，表明第n个物品被装入背包，前n-1个物品被装入容量为C-wn的背包中；否则，第n个物品没有被装入背包，前n-1个物品被装入容量为C的背包中。直到确定第1个物品是否被装入背包中为止。得到函数：

xi=0           V(i,j)=V(i-1,j)

xi=1  j=j-wi    V(i,j)>V(i-1,j)

运行时间与N输入大小的曲线图

第一个for循环的时间复杂度是O（n），第二个循环的时间复杂度是O（C），对V[n+1][C+1]迭代的循环时间复杂度是O（n*C），求装入背包中物品的循环时间复杂度是O（n），整个算法的时间复杂度是O（n*C）

对（2）问题的回答：动态规划能求解不是整数的0/1背包问题，求解问题的思路不变，只是把整数换成了实数，整个算法求解问题的方法没有改变。

源代码

数塔问题

#include <iostream>
#include <iomanip>
#include <time.h>
using namespace std;
int max(int data1, int data2)
{
    if (data1 > data2)
        return data1;
    else
        return data2;
}
int main()
{
    srand((unsigned)time(NULL));
    clock_t start, end;
    int node, n, i, j, temp = 0;//n为第几层
    cout << "请输入数塔的高度：";
    cin >> n;
    int op[256][256] = {0};//将其初始化为0
    int data[256][256];
    start = clock();
    for (i = 0; i < n; i++)
        for (j = 0; j < n; j++)
        {
            if (j <= i)
                data[i][j] = rand() % 20 + 1;
            else
                data[i][j] = 0;
        }
    for (i = 0; i < n; i++)
    {
        for (j = 0; j < n; j++)
            cout <<setiosflags(ios::left) << setw(4) << data[i][j];
        cout << endl;
    }
    for (j = 0; j < n; j++)
        op[n - 1][j] = data[n - 1][j];//初始化op数据，data最底层赋值给op最底层；其余还是为0
    for (i = n-2; i >= 0; i--)//从倒数第二层开始，即第n-2层
        for (j = 0; j <= i; j++)
        {
            temp = max(op[i + 1][j], op[i + 1][j + 1]);//选择下标为j还是j+1的较大值
            op[i][j] = temp + data[i][j];
        }
    cout << "路径之和最大为：" << op[0][0]<<endl;//输出路径之和
    cout << "最大路径：" << data[0][0];
    for (i = 1, j = 0; i < n; i++)
    {
        node = op[i - 1][j] - data[i - 1][j];
        if (node == op[i][j + 1])//由op数组和data数组确定每一层决策的列下标
            ++j;
        cout << "—>" << data[i][j];
    }
    end = clock();
    cout << endl << "耗时：" << double(end - start) * 1000 / CLOCKS_PER_SEC << " ms";
    return 0;
}

0/1背包问题

#include <iostream>
#include <time.h>
#define MAX 4096
using namespace std;
int x[MAX], w[MAX], v[MAX], V[MAX][MAX];
int knapsack(int w[], int v[], int n, int c)
{
    int i, j;
    for (i = 0; i <= n; i++)//初始化第0列
        V[i][0] = 0;
    for (j = 0; j <= c; j++)//初始化第0行
        V[0][j] = 0;
    for (i = 1; i <= n; i++)
        for (j = 1; j <= c; j++)//计算第i行，进行第i次迭代
        {
            if (j < w[i-1])
                V[i][j] = V[i - 1][j];
            else
                V[i][j] = max(V[i - 1][j], V[i - 1][j - w[i-1]] + v[i-1]);
        }
    for (j = c, i = n; i > 0; i--)//求装入背包的物品
    {
        if (V[i][j] > V[i - 1][j])
        {
            x[i] = 1;
            j = j - w[i];
        }
        else
            x[i] = 0;
    }
    return V[n][c];
}
int max(int a, int b)
{
    if (a > b)
        return a;
    else
        return b;
}
int main()
{
    clock_t start, end;
    int value;
    int i, n, c = 100;
    srand((unsigned)time(NULL));
    cout << "输入物品的个数：";
    cin >> n;
    start = clock();
    for (i = 0; i < n; i++)
    {
        w[i] = rand() % 5 + 1;
        v[i] = rand() % 100 + 1;
    }
    value = knapsack(w, v, n, c);//求装入背包的最大价值
    cout << "背包最大价值是：" << value << endl;
    cout << "物品状态为：" << endl;
    for (i = 1; i <= n; i++)
    {
        cout << x[i] << " ";//每个物品的状态
    }
    end = clock();
    cout << endl << "耗时：" << double(end - start) * 1000 / CLOCKS_PER_SEC << " ms";
    return 0;
}

感谢大家的观看