一、动态规划的基本思想
动态规划:适用于子问题不是独立的情况,也就是各子问题包含公共的子问题,鉴于会重复的求解各子问题,DP对每个问题只求解一遍,将其保存在一张表中,从而避免重复计算。
注意 :用动态规划解决问题,主要是要找到状态转移方程;
二、动态规划的基本步骤:
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(最大值或最小值)的那个解。
动态规划算法的设计可以分为四个步骤:
①.描述最优解的结构。
②.递归定义最优解的值。
③.按自底而上的方式计算最优解的值。
④.由计算出的结果创造一个最优解。
三、动态规划问题的特征:
动态规划算法的有效性依赖于问题本身所具有的两个重要性质:
1、最优子结构:当问题的最优解包含了其子问题的最优解时,称该问题具有最优子结构性质。
2、重叠子问题:在用递归算法自顶向下解问题时,每次产生的子问题并不总是新问题,有些子问题被反复计算多次。动态规划算法正是利用了这种子问题的重叠性质,对每一个子问题只解一次,而后将其解保存在一个表格中,在以后尽可能多地利用这些子问题的解
动态规划:适用于子问题不是独立的情况,也就是各子问题包含公共的子问题,鉴于会重复的求解各子问题,DP对每个问题只求解一遍,将其保存在一张表中,从而避免重复计算。
注意 :用动态规划解决问题,主要是要找到状态转移方程;
二、动态规划的基本步骤:
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(最大值或最小值)的那个解。
动态规划算法的设计可以分为四个步骤:
①.描述最优解的结构。
②.递归定义最优解的值。
③.按自底而上的方式计算最优解的值。
④.由计算出的结果创造一个最优解。
三、动态规划问题的特征:
动态规划算法的有效性依赖于问题本身所具有的两个重要性质:
1、最优子结构:当问题的最优解包含了其子问题的最优解时,称该问题具有最优子结构性质。
2、重叠子问题:在用递归算法自顶向下解问题时,每次产生的子问题并不总是新问题,有些子问题被反复计算多次。动态规划算法正是利用了这种子问题的重叠性质,对每一个子问题只解一次,而后将其解保存在一个表格中,在以后尽可能多地利用这些子问题的解
有名的数塔问题:http://acm.hdu.edu.cn/showproblem.php?pid=2084
我们知道,在求解的过程中,很多元素的值都算了不止一次,所有我们可以开个数组把这些已经计算出来的中间值保存下来。
这就是编程的又一大原则:以空间换时间。
我们把原来的数塔保存入一个二维数组num[n][n]里
状态转移方程是:
dp[i][j] = num[i][j] + max(dp[i+1][j], dp[i+1][j+1]) (i < n)
dp[i][j] = dp[i][j] (i = n)
最后我们输出dp[0][0]就可以了。
代码:
#include<iostream>
#include<cstdio>
#define N 101
using namespace std;
int num[N][N],dp[N][N];
int n;
int main()
{ int n;
scanf("%d",&n);
for(int i=0;i<n;++i)
for(int j=0;j<=i;++j)
scanf("%d",&num[i][j]);
for(int i=n-1;i>=0;--i)
for(int j=0;j<=i;++j)
{ if(i==n-1) dp[i][j]=num[i][j];
else dp[i][j]=num[i][j]+max(dp[i+1][j+1],dp[i+1][j]);
}
printf("%d\n",dp[0][0]);
return 0;
}
总结:
如果各个子问题不是独立的(与分治的不同之处),不同的子问题的个数只是多项式量级,如果我们能够保存已经解决的子问题的答案,而在需要的时候再找出已求得的答案,这样就可以避免大量的重复计算。由此而来的基本思路是,用一个表记录所有已解决的子问题的答案,不管该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。