动态规划

动态规划

动态规划(dynamic programming)是运筹学的一个分支，是求解决策过程(decision process)最优化的数学方法。

动态规划之Fib数列

问题描述：有个小孩上楼梯，共有N阶楼梯，小孩一次可以上1阶，2阶。走到N阶楼梯，一共有多少种走法？

问题分析：DP之自顶向下分析方式， 爬到第N阶楼梯，一共只有2种情况(全划分，加法原理)：

从第N-1阶爬1阶到第N阶；

从第N-2阶爬2阶到第N阶；

故：way(N)=way(N-1)+way(N-2)

# 代码
def climbStairs(n):
    if n <= 2:
        return n
    temp_list = [0, 1, 2]
    for i in range(3, n + 1):
        temp_list.append(temp_list[-1] + temp_list[-2])
    return temp_list[-1]


print(climbStairs(10))

# 运行结果
89

任务安排问题

# 代码
# 数组arr存储的是每个任务的收益；
arr = [0, 5, 1, 8, 4, 6, 3, 2, 4]
# 数组prev存储的是指定任务之前可以执行的任务
prev = [0, 0, 0, 0, 1, 0, 2, 3, 5]


def dp_opt(arr):
    # 计算任务的长度
    len_arr = len(arr)
    # 存储执行到每个任务可以获得的最优解;
    opt = [0 for i in range(len_arr)]
    opt[0] = 0
    opt[1] = arr[1]
    for i in range(2, len(arr)):
        # 不选择做这个任务的最优解；
        A = opt[i - 1]
        # 选择做这个任务的最优解；
        B = arr[i] + opt[prev[i]]
        opt[i] = max(A, B)
    return opt[-1]


if __name__ == '__main__':
    print(dp_opt(arr))

# 运行结果
13

不相邻数最大和

问题描述: 给定数组A=[1,2,4,1,7,8,3]，求出数组A中互不相邻的数的最大和。 例如：如果选择了8，则不能选择7和3，在本例中最大的和为1+4+7+3=15

# 代码
def SumMax(a):
    opt = [0 for i in range(len(a))]
    opt[0] = a[0]
    opt[1] = max(a[0], a[1])
    for i in range(2, len(a)):
        A = a[i] + opt[i - 2]
        B = opt[i - 1]
        opt[i] = max(A, B)
    return opt[-1]


if __name__ == '__main__':
    a = [1, 2, 4, 1, 7, 8, 3]
    print(SumMax(a))

# 运行结果
15