钢条切割问题，DP经典问题

最新推荐文章于 2024-08-13 14:56:59 发布

VanHa0101

最新推荐文章于 2024-08-13 14:56:59 发布

阅读量279

点赞数 1

分类专栏：算法分析与设计_BUAA_2020 文章标签：算法

本文链接：https://blog.csdn.net/weixin_43784288/article/details/109210740

版权

算法分析与设计_BUAA_2020 专栏收录该内容

5 篇文章 0 订阅

订阅专栏

本文探讨了钢条切割问题的解决方法，包括递归、带备忘的递归和自底向上的动态规划。递归虽然简洁但效率较低，主要由于函数调用开销和重复计算。通过备忘录可以减少重复计算，提高效率。自底向上的动态规划避免了递归调用，以O(n^2)的时间复杂度找到最优解。

摘要由CSDN通过智能技术生成

问题描述

输入：
钢条的长度: $n$
钢条的价格表： $p_i (1\le i \le n)$ 表示长度为 $i$ 的钢条的价格

输入：
使得所有钢条总价值最大的切割方案

1、使用递归的解法

int p[MAX]; //价格表 
p[0] = 0; // 0长度的钢条价格为0
int r[MAX]; //
void solve(int n) // 参数表示钢条的长度
{
	if(n==0) return 0;
	// 求最优解
	int q = -inf; // 初始化成负无穷，来求最大值
	for (int i = 1; i <= n; ++i) {
		q = max(q, p[i] + solve(n-i));
		// i = n; 就是不截取
		// i = 1; 就是右端右端截取一个1， 左边剩下0~n-1 求最优
		// 只看第一层，这样循环一遍之后就找到了最优的切割值
	}
	return q;
}

听到好多次写程序最好不要用递归，说递归写起来简单，运行起来效率很低。这应该是有两个方面的原因吧：

递归效率低是函数调用的开销导致的。
在一个函数调用之前需要做许多工作，比如准备函数内局部变量使用的空间、搞定函数的参数等等，这些事情每次调用函数都需要做，因此会产生额外开销导致递归效率偏低，所以逻辑上开销一致时递归的额外开销会多一些(https://www.zhihu.com/question/35255112)
学了动态规划知道，写的一般的递归程序有很多重复的递归调用，如果没有加入备忘的话，就会造成时间复杂度很高，当然这是coder设计算法的问题，我只是想通了为什么自己之前写的递归效率很低。

(什么是尾递归？…

2、带备忘的递归(自顶向下的递归)

上面那个算法效率低的主要原因是递归向下的过程中，做了计算了太多的重复计算。
所以优化思路就是将计算过的结果保存起来，如果再用它的话，就直接拿出来用。
所以我们保存下来每次递归得到的结果

int r[MAX]; // 初始值都是0
int p[MAX]; // 
void sovle(int n)
{
	// 如果r[n] 大于0 说明之前已经计算过了，直接返回***********
	if(r[n] > 0) return r[n];
	// 原来正常的递归。
	if (n == 0) return 0;
	int q = -inf;
	for (int i = 1; i <= n; ++i) {	
		q = max(q, p[i] + slove(n-i));
	}
	
	r[n] = q; // 将本次递归的结果保存下来。******************
}

3、自底向上的递推

递推没有递归函数频繁的调用的开销，所以在时间复杂度上通常有更小的系数

int r[MAX];
int p[MAX];
void solve()
{
	r[0] = 0; // 初始化
	for(int i = 1; i <= n; ++i){
		// 内层循环计算的是[1...j]这个长度的最优值，并且得到了 r[1] r[2] r[j] 的结果
		// 当计算i+1时，
		q = -inf;
		for (int j = 1; j <= i; ++j) {
			q = max(q, p[j] + r[i-j])
		}
		r[j] = q;
	}
}