java编程动态规划,动态规划 以及相应的实例

动态规划(dynamic programming)是通过组合子问题的解而解决整个问题的，这里的programming是一种规划，DP适用于子问题不是独立(俩个子问题不共享资源即是独立)的问题，即各个子问题包含公共子问题，DP只对于子问题求解一次，并将求解的值保存在一张表中，避免了重复求解相同子问题的操作。DP通常用于最优化的问题，通常是一个问题有很多的可行解，每一个解含有一个值，我们希望找到一个最优的解(最大或是最小)。

DP一般设计的4个步骤：

1.描述最优解的结构

2.递归定义最优解的值

3.按照自底向上的方式求解最优解的值

4.有计算结果构造最优解

DP性质：对于一个问题是否可以用DP解决是需要判断的，如果一个问题的最优解当中包含了子问题的最优解，即该问题具有最优子结构性质，提示我们用DP可能会解决问题。而当一个递归算法不断调用同一问题的时候，此时该最优问题包含了重叠子问题。同时满足二者，此时我们可以用DP去求解问题。

下面针对于一个简单的DP小例子进行描述：

数字三角形问题，问题描述：

对于输入一个数字三角形，每行的整数个数对应其行数，在三角形中需找一条从顶到底的路径，使得路径上的数字之和最大，输出最大值，三角形行数小于100，路径上的每一步只可以向下或右下去走。给出一个问题的样例：

求出上述例子的最大解？

分析：喎?http://www.Bkjia.com/kf/ware/vc/" target="_blank" class="keylink">vcD4KPHA+yc/K9sr9vt2/ydLU08PSu7j2tv7OrMr91+m9+NDQw+jK9qOsvLQ8L3A+CjxwcmUgY2xhc3M9"brush:java;">D[i][j] 第i行第j个数 从D[i][j]下一步走D[i+1][j]或D[i+1][j+1] Max[i][j] 表示从D[i][j]到底端的路径中最佳路径数字之和。如果只有一行的时候 Max[i][j] = D[i][j],否则Max[i][j] = max(Max[i+1][j],Max[i+1][j+1])+D[i][j];

下面给出递推型DP：

#include #include

#include using namespace std;

const int num = 101;

int D[num][num];

int n;

int Max[num][num];

int main()

{

int i,j;

cin>>n;

for(i=1;i<=n;i++)

for(j=1;j<=i;j++)

cin>>D[i][j];

for(int k=1;k<=n;k++)

Max[n][k] = D[n][k];

for(int i=n-1;i>=1;i--){

for(int j=1;j<=i;j++)

Max[i][j] = max(Max[i+1][j],Max[i+1][j+1])+D[i][j];

}

cout

上述算法时间复杂度o(n^2)，空间复杂度o(n^2)，有图表可知，最后的有很大的内存空间是浪费的，并不会全部利用上，当行数很大的时候浪费明显，我们可以将计算出来的每个子问题的解存放在一个一维数组中，覆盖性的写入，从而最后的解即为数组的头元素。空间复杂度即为o(n).

演示如下图：

即为所求解。

#include #include

#include using namespace std;

const int num = 101;

int D[num][num];

int n;

int *Max;

int main()

{

int i,j;

cin>>n;

for(i=1;i<=n;i++)

for(j=1;j<=i;j++)

cin>>D[i][j];

Max = D[n];

for(int i=n-1;i>=1;i--){

for(int j=1;j<=i;j++)

Max[j] = max(Max[j],Max[j+1])+D[i][j];

}

cout

俩个字符串s1,s2，用maxlen(i,j)表示s1左边i个字符，s2左边j个字符的最长公共子序列长度。(解的状态)

如果俩个子串任何一个为空，公共子串的长度为0；代码如下：

#include #include

#include #include char s1[100];

char s2[100];

int maxlen[100][100];

using namespace std;

int main()

{

while(cin>>s1>>s2){

int len1 = strlen(s1);

int len2 = strlen(s2);

int i,j;

for(i=0;i<=len1;i++)

maxlen[i][0] = 0;

for(j=0;j<=len2;j++)

maxlen[0][j] = 0;

for(i=1;i<=len1;i++){

for(j=1;j<=len2;j++){

if(s1[i-1]==s2[j-1])

maxlen[i][j] = maxlen[i-1][j-1]+1;

else

maxlen[i][j] = max(maxlen[i-1][j],maxlen[i][j-1]);

}

}

cout << maxlen[len1][len2] << endl;

}

return 0;

}最长公共子串并不要求，子串是连续的。

http://www.dengb.com/Javabc/777577.htmlwww.dengb.comtruehttp://www.dengb.com/Javabc/777577.htmlTechArticle动态规划(dynamic programming) 是通过组合子问题的解而解决整个问题的，这里的programming是一种规划，DP适用于子问题不是独立(俩个子问题...