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