算法导论 动态规划钢条切割问题 C语言

动态规划钢条切割问题

动态规划（dynamic programming）与分治法类似。分治策略将问题划分为互不相交的子问题，递归求解子问题，再将子问题进行组合，求解原问题。动态规划应用于子问题重叠的情况，在这种情况下，分治法将会对重叠问题进行多次重复求解，而动态规划对每个子问题只求解一次

动态规划方法常用于求解**最优化问题（optimization problem）**。这类问题可能有多个解，每个解有一个值，我们希望寻找具有最优值的解。

设计动态规划算法步骤：

1. 刻画一个最优解的特征
2. 递归定义最优解的值
3. 计算最优解的值
4. 利用计算出的信息构造一个最优解

例：钢条切割问题
假设钢条价格表

长度i	1	2	3	4	5	6	7	8	9	10
价格p	1	5	8	9	10	17	17	20	24	30

现在对于一根长度为n的钢条，求它能获得的最大效益r

注意到，每一次切割后将得到两根钢铁，下一步，又将这两根钢条看作两个独立的钢铁切割问题。通过组合子问题的最优解，选取组合收益最大者，构成原问题的最优解。钢条切割问题满足最优子结构性质：问题的最优解由相关子问题的最优解组合而成，而这些子问题都可以独立求解。
对钢条问题，我们可以再进行简化。对于每次切割后得到的两段钢条，我们只对第二段进行再次切割，对第一段不再切割。

自顶向下递归实现

int CUD_ROD(int *p, int n) {
   
	if (n == 0)return 0;
	int q = INT_MIN;
	for (int i = 1; i <= n;i++) {
   
		if (p[i] + CUD_ROD(p, n - i) > q)q = p[i] + CUD_ROD(p, n - i);
	}
	return q;
}

输出价格数组p以及钢条长度n，返回最大收益r。
当n变大时，程序的运行时间会成倍增长，这是由于程序在递归调用时，对相同参数值进行了反复求解。例如，当n=5时，将会调用CUD_ROD（p, n=0 to 4),求解CUD_ROD（p, n=4)时，又会调用CUD_ROD（p, n=0 to 3)。整个程序中存在大量的重复求解过程。

使用动态规划方法求解最优钢条切割问题

朴素递归算法效率之所以低，是因为他在反复求解子问题。动态规划方法安排求解顺序，对每个子问题只进行一次求解，将其结果保存下来，再次遇到相同子问题时，只需要查询结果，而不需要重新计算。这是典型的时空权衡（time-memory trade-off)。

带备忘的自顶向下法

仍按照自然递归的顺序进行编写，但过程中会保存子问题的解于数组r中。过程中首先查询子问题的解是否已经存在，若存在，直接返回解，不存在，则按常规方式进行求解。

int MEMOIZED_CUT_ROD_AUX(int *p, int n, int *r) {
   
	if (r[n] >= 0) return r[n];