动态编程的两个例子

下面是斐波那契数的最优美算法:

public int getFab(int N) { if(N <= 1) return 1; return getFab(N - 1) + getFab(N - 2); }

几乎所有关于递归算法的讨论都要用到这个例子，它以最简单的方式解决问题，但是很遗憾，这段代码永远不可能应用于实际，我甚至不情愿输入10以上的参数。

任何递归都可以用循环代替，斐波那契数也一样:

public int getFab(int N) { if(N <= 1) return 1; int[] result = new int[N + 1]; result [0] = result[1] = 1; for(int i = 2; i <= N; i++) { result[i] = result[i - 1] + result[i - 2]; } return result[N]; }

上面的代码可以在线性时间内解决问题。

如果既想提高效率又想保留递归的优美，可以对它进行一个小小的诠释：

private static int[] known = new int[max]; public int getFab(int N) { if(N <= 1) return known[0] = known[1] = 1; if(known[N] != 0) return known[N]; return known[N] = getFab(N - 1) + getFab(N - 2); }

性能的提高是显著的，如果频繁的调用gatFab方法，它会使你的效率成倍提高，你甚至可以在常数时间内得到结果，我们称这种方法为动态编程。

再来看看著名的贪心算法。

贪心算法也叫背包算法，一个背着帆布口袋的小偷盗窃了一个装满贵重物品的保险柜，小偷想尽办法让自己有限的帆布袋装进最有价值的物品，我们正是要帮助他解决这个问题。

贵重物品的结构如下：

class Item { int size; int value; }

最直接的方法还是递归：

int knap(int cap) { int space = 0, max = 0, t; for(int i = 0; i < N; i++) { if((space = cap - items[i].size) >= 0) if((t = knap(space) + items[i].value) > max) max = t; } return max; }

可惜的是它同样不能应用于实际，其运行时间达到了指数级。

既然知道了动态编程，我们也可以对它做一个改进：

private int[] maxKnown = new int[N]; int knap_2(int cap) { if(maxKnown[cap] != 0) return maxKnown[cap]; int space = 0, max = 0, t; for(int i = 0; i < N; i++) { if((space = cap - items[i].size) >= 0) if((t = knap(space) + items[i].value) > max) max = t; } maxKnown[cap] = max; return max; }

这次可以放心的运行，唯一的限制就是你是否担负的起maxKnown的空间开销。当然，我并不想把这个方法告诉小偷。

以上是动态编程的两个例子，一个穿着背带裤并且满脸青春痘的小家伙启发我使用这种方法，我总结出来，希望对今后的编程工作有所帮助。