一般情况下,对于一个问题,由于使用暴力求解或者直接求解的方法计算量会非常大, 所以按照动态规划的思想,将问题分解为可以利用规模更小的子问题来求解的问题,这样就大大减小了计算量,但是随之而来的是程序与算法的复杂度的上升。
对于一个动态规划问题,可以使用递归的方法,也可以不用递归的方法,不用递归的情况,一般需要注意算法设计中子问题的求解顺序,就像钢条切割问题的自顶向下还是自底向上。
top-down实现
#include <iostream>
#include <algorithm>
#include <limits.h>
using namespace std;
int cutRod(int* p, int n)
{
if(n==0)
return 0;
int q = INT_MIN;
for(int i=1;i<=n;i++)
{
q=max(q,p[i-1]+cutRod(p,n-i));
}
return q;
}
int main()
{
int p[10]={1,5,8,9,10,17,17,20,24,30};
for(int i=0;i<=10;i++)
cout<<cutRod(p,i)<<endl;
return 0;
}
自顶向下,加了备忘机制。
int memoized_cutRod_aux(int* p,int n,int* r)
{
int q;
if(r[n]>=0)
return r[n];
if(n==0)
q=0;
else
{
q=INT_MIN;
for(int i=1;i<=n;i++)
q=max(q,p[i-1]+memoized_cutRod_aux(p,n-i,r));
}
r[n]=q;
return r[n];
}
int memoized_cutRod(int* p,int n)
{
int r[n+1];
for(int i=0;i<=n;i++)
{
r[i]=INT_MIN;
}
return memoized_cutRod_aux(p,n,r);
}
int bottom_up_cutRod(int* p,int n)
{
int r[n+1];
r[0]=0;
for(int j=1;j<=n;j++)
{
int q=INT_MIN;
for(int i=1;i<=j;i++)
{
q = max(q,p[i-1]+r[j-i]);
}
r[j]=q;
}
return r[n];
}