计算机算法动态规划-CSDN博客

本文链接：https://blog.csdn.net/qq_69749315/article/details/135452602

本文介绍了动态规划的基本概念，包括定义状态、状态转移方程和初始条件，以及通过C语言实现的背包问题示例，展示了如何用动态规划避免重复计算以求解最优解。

摘要由CSDN通过智能技术生成

动态规划（Dynamic Programming）是一种常用的计算机算法设计技术，用于解决具有重叠子问题和最优子结构性质的问题。它将问题拆分为多个重叠子问题，并利用子问题的解来构建原问题的解。通过使用动态规划，可以避免重复计算，提高算法的效率。

动态规划通常包含以下步骤：

定义状态：明确问题的状态，即问题的子问题或子状态是什么。
状态转移方程：确定状态之间的递推关系，即如何通过已知的子问题的解来计算当前问题的解。
初始条件：指定最简单的子问题的解，作为递推的起点。
计算顺序：确定计算问题的顺序，通常是自底向上或自顶向下计算。

以下是一个使用动态规划解决背包问题的示例代码：

#include <stdio.h>
#include <stdlib.h>

int max(int a, int b) {
    return (a > b) ? a : b;
}

int knapsack(int weights[], int values[], int n, int capacity) {
    int dp[n+1][capacity+1];
    
    for (int i = 0; i <= n; i++) {
        for (int j = 0; j <= capacity; j++) {
            if (i == 0 || j == 0) {
                dp[i][j] = 0;
            }
            else if (weights[i-1] <= j) {
                dp[i][j] = max(values[i-1] + dp[i-1][j-weights[i-1]], dp[i-1][j]);
            }
            else {
                dp[i][j] = dp[i-1][j];
            }
        }
    }
    
    return dp[n][capacity];
}

int main() {
    int weights[] = {2, 3, 4, 5};
    int values[] = {3, 4, 5, 6};
    int n = sizeof(weights) / sizeof(weights[0]);
    int capacity = 8;
    
    int max_value = knapsack(weights, values, n, capacity);
    
    printf("The maximum value that can be put in a knapsack of capacity %d is %d\n", capacity, max_value);
    
    return 0;
}

在上述代码中，weights 和 values 分别是物品的重量和价值列表，n 是物品数量，capacity 是背包的容量。函数 knapsack 使用二维数组 dp 来记录每个子问题的解，最终返回背包能够装下的最大价值。

该示例代码在 C 编译器上可以正常运行，并输出了背包能够装下的最大价值。