动态规划之钢条切割问题

动态规划用于解决最优化问题，即有很多可行解，每个解都有一个值，希望找到最优值（最大值或最小值）得解。

解决的问题具有最优子结构性质：最优解由相关子问题的最优解组合而成，子问题可独立求解。

问题描述：给定钢条，总长度为n，价格随长度i为Pi,求最大收益Rn。

问题分析：长度为n的钢条有2的n-1次方种切割方案。

          求解规模为n的原问题，县求解形式完全一样但规模更小的子问题。Rn=max（Pn,r1+rn-1,r2+rn-2.......rn-1+r1）

          还有一种递归方法求解（即只看右边）：Rn=max（Pi+rn-i）(1<=i<=n),此时只包含一个相关子问题，是自顶向下的递归实现。但是效率差，n每增大1，运行时间会加一倍。

  

动态规划优化求解：有两种等价实现方法

                  带备忘录的自顶向下法

#include <iostream>
using namespace std;
int main()
{
int  n;
int P[100];
int R[100];
for(int i=1;i<101;i++)
{
	R[i]=-1;
}
}
int cut_rod(int P[],int n,int R[])
{
	if(R[n]>=0) return R[n];
	int r;
	if(n==0) r=0;
	else
	{
		r=-1;
		for(int i=1;i<=n;i++)
			r=max(r,P[i]+cut_rod(P,n-i,R));
	}
	R[n]=r;
	return r;
}

                  自底向上法

#include <iostream>
using namespace std;
int P[100];
int R[100];
int n;
int bottom_up_cut_rod(int P[],int n,int R[])
{
	R[0]=0;
	for(int j=1;j<=n;j++)
	{
		int r=-1;
		for(int i=1;i<=j;i++)
			r=max(r,P[i]+R[j-i]);
        R[j]=r;
	}
	return R[n];
}

                   

上面所求的结果为最优解的收益值，求解本身（一个长度列表，包含切割方案）则需扩展动态规划算法。

以自底向上的方法为例

#include <iostream>
using namespace std;
int P[100];
int R[100];
int S[100];
int n;
int bottom_up_cut_rod(int P[],int n,int R[])
{
	R[0]=0;
	for(int j=1;j<=n;j++)
	{
		int r=-1;
		for(int i=1;i<=j;i++)
			if(r<P[i]+R[j-i]) 
			{
				r=P[i]+R[j-i];
				S[j]=i;
			}
		R[j]=r;
	}
}
void print_cut_rod_solution(int P[],int R[])
{
	bottom_up_cut_rod(P,n,R);
	while(n>0)
	{
		printf("%d",S[n]);
		n-=S[n];
	}
}