算法设计_动态规划

基本概念

动态规划应用于子问题重叠的情况，即不同的子问题具有公共的子子问题，动态规划算法对于每个子子问题只求解一次，并将其保存，避免了重复的计算。
动态规划算法设计的四个步骤：

 1.刻画一个最优解的结构特征。
 2.递归地定义最优解的值。
 3.计算最优解的值通常采用自底向上的方法。
 4.利用计算出的信息构造一个最优解。

典型问题

1.钢条切割问题

给定一段长度为n英寸的钢条和一个价格表pi(i=1,2,…,n)，求切割钢条的最佳方案使得销售收益rn最大。

解：
状态：定义：d(i)为长度为i英寸钢条的最大收益
状态转移方程： d(n)=max{pn,d(1)+d(n-1),d(2)+d(n-2),…d(n-1)+d(1)},这时也就刻画出了最优解的结构特征，同时也可以看出钢条切割问题满足最优子结构性质。

该问题的状态转移方程也可以转化为d(n) = pi+d(n-i) i=0…n

在动态规划算法中需要仔细安排求解顺序，对于每个子问题之求解一次，并将结果保存下来，所以需要使用额外的内存空间将中间结果保存下来，这也是个典型的时空权衡的例子。

int *cut_rod(int n,int *p){
    int *r = new int[n];
    r[0] = 0;
    for(int i = 1 ; j <= n ; j++){
        q = MIN;
        for(int i = 1 ; i <= j ; j++)
            q=max(q,p[i]+r[j-i]);
        r[j]=q;
    }

    return r[n];
}

2.0-1背包问题

共有n个宝石编号： 0,1,2,…,n-1。 某人身上有一个背包，背包的容量为C。第i个宝石对应的体积和价值分别为V[i]和W[i] 。要装下哪些宝石才能获得最大的利益呢？

状态： d(i,j)表示前i个宝石装到剩余体积为j的背包里能达到的最大价值

状态转移方程： d(i) = max{1, d(j)+1},其中j

#include <iostream>
using namespace std;

int lis(int A[], int n){
    int *d = new int[n];
    int len = 1;
    for(int i=0; i<n; ++i){
        d[i] = 1;
        for(int j=0; j<i; ++j)
            if(A[j]<=A[i] && d[j]+1>d[i])
                d[i] = d[j] + 1;
        if(d[i]>len) len = d[i];
    }
    delete[] d;
    return len;
}
int main(){
    int A[] = {
        5, 3, 4, 8, 6, 7
    };
    cout<<lis(A, 6)<<endl;
    return 0;
}