笔记 动态规划+贪心算法

动态规划

求一个问题的最优解（通常是求最大值或者最小值），而且该问题能够分解成若干个子问题，并且子问题之间还有重叠的更小的子问题，考虑用动态规划来解决。整体问题的最优解是依赖各个子问题的最优解。

在应用动态规划之前要分析能否把大问题分解成小问题，分解后的每个小问题也存在最优解。如果把小问题的最优解组合起来能够得到整个问题的最优解，那么可应用动态规划解决这个问题。

剪绳子（动态规划）

题目：给你一根长度为n的绳子，请把绳子剪成整数长的m段（m、n都是整数，n>1并且m>1，m<=n），每段绳子的长度记为k[1],…,k[m]。请问k[1]x…xk[m]可能的最大乘积是多少？例如，当绳子的长度是8时，我们把它剪成长度分别为2、3、3的三段，此时得到的最大乘积是18。（O(n2)时间和O(n)空间）（2<=n<=60）
注：在应用动态规划时，每一步都可能面临若干个选择。由于事先不知剪在哪个位置是最优的解法，只好把所有的可能都尝试一遍，然后比较得出最优的解法。f(n) = max(f(i) * f(n-i)),其中0<i<n.

int cutRope(int number) {
        if(number < 2)    
        	return 0;
        if(number == 2)   
        	return 1;
        if(number == 3)   
        	return 2;
        int* products = new int[number+1];
        products[0] = 1;   
        products[1] = 1;   
        products[2] = 2;   
        products[3] = 3;
        int max = 0;
        for(int i = 4;i <= number;++i) {
            max = 0;
            for(int j = 1;j <= i/2;++j) {
                int product = products[j] * products[i-j];
                if(max < product)  
                	max = product;
                products[i] = max;
            }
        }
        max = products[number];
        delete[] products;
        return max;
    }

贪心算法（需数学功底）

当应用贪心时，每一步都可以做出一个贪婪的选择，基于这个选择，确认能够得到最优解。需要用数学方式来证明贪婪选择是正确的。

int cutRope(int number) {
        if(number < 2)    
        	return 0;
        if(number == 2)   
        	return 1;
        if(number == 3)   
        	return 2;
		//尽可能多地剪去长度为3的线段
        Int  timesOf3 =number/3;
		//当绳子最后剩下长度为4时，不能再剪去长度为3的绳段
		//此时更好的方法是把绳子剪成长度为2的两段，因为2*2 > 3*1 
        if(number – timesOf3 *3 == 1)
            timesOf3 -= 1;
        int timesOf2 = (number – timesOf3 * 3) / 2;
        return (int)(pow(3,timesOf3))*(int)(pow(2,timesOf2));
}

测试用例

功能测试（长度大于5）
边界值测试（0，1，2，3，4）