动态规划的一般思路
1、把原问题分解成子问题
子问题和原问题的形式要相同或者类似,只不过规模变小了,子问题一旦被解决,原问题也就被解决。
2、确定状态
往往将和子问题相关的各个变量的一组取值,称为一个状态,一个状态对应一个或者多个子问题,所谓某个状态的值就是这个状态所对应的子问题的解。
所有状态的集合,构成问题的“状态空间”。“状态空间”的大小,与用动态规划解决问题的时间复杂度直接相关。
** 整个问题的时间复杂度是状态数目乘以计算每个状态所需时间 **。
3、确定一些初始状态值
4、确定状态转移方程
能用动态规划解决的问题的特点
1、问题具有最优子结构性质
如果问题最优解所包含的子问题的解也是最优的,我们就称该问题具有最优子结构。
2、无后效性
当前的若干个状态值一旦确定,则此后过程的演变就只和这若干个状态的值有关,和之前采取哪些手段或经过哪条路径演变到当前状态没有关系。
例子一:数字三角形
7
3 8
8 1 0
2 7 4 4
4 5 2 6 5
在上面的数字三角形中寻找一条从顶部到底部的路径,使得路径上所经过的数字之和最大。路径上的每一步都只能往左下或右下走。只需求出这个最大和即可。
解法一
#include <iostream>
#include <algorithm>
#define MAX 5
using namespace std;
int MaxSum(int i,int j,int arr[][MAX]);
int MaxSum(int i,int j,int arr[][MAX])
{
if(i==MAX-1)
return arr[i][j];
else
return arr[i][j]+max(MaxSum(i+1,j,arr),MaxSum(i+1,j+1,arr));
}
int main() {
int i,j;
int D[MAX][MAX]={{7},
{3,8},
{8,1,0},
{2,7,4,4},
{4,5,2,6,5}};
std::cout << MaxSum(0,0,D)<< std::endl;
return 0;
}
一般一个状态调用一个状态不会造成重复计算,如果一个状态调用多个状态就会造成重复计算
递归方法的改进
时间复杂度O(n^2)
空间复杂度O(n^2)
#include <iostream>
#include <algorithm>
#define MAX 5
using namespace std;
int max_sum[MAX][MAX];
int MaxSum(int i,int j,int arr[][MAX]);
int MaxSum(int i,int j,int arr[][MAX])
{
if(max_sum[i][j]!=-1)
return max_sum[i][j];
else if(i==MAX-1)
max_sum[i][j]=arr[i][j];
else
max_sum[i][j]= max(MaxSum(i+1,j,arr),MaxSum(i+1,j+1,arr))+arr[i][j];
return max_sum[i][j];
}
int main() {
int i,j;
int D[MAX][MAX]={{7},
{3,8},
{8,1,0},
{2,7,4,4},
{4,5,2,6,5}};
for(int i=0;i<MAX;i++)
{
for(int j=0;j<=i;j++)
max_sum[i][j]=-1;
}
std::cout << MaxSum(0,0,D)<< std::endl;
return 0;
}
采用递推的方法
时间复杂度O(n^2)
无需额外分配内存
#include <iostream>
#include <algorithm>
#define MAX 5
using namespace std;
int max_sum[MAX][MAX];
void MaxSum(int arr[][MAX]);
void MaxSum(int arr[][MAX])
{
for(int i=MAX-2;i>=0;i--)
for(int j=0;j<=i;j++)
{
arr[i][j]=arr[i][j]+max(arr[i+1][j],arr[i+1][j+1]);
}
}
int main() {
int i,j;
int D[MAX][MAX]={{7},
{3,8},
{8,1,0},
{2,7,4,4},
{4,5,2,6,5}};
for(int i=0;i<MAX;i++)
{
for(int j=0;j<=i;j++)
max_sum[i][j]=-1;
}
MaxSum(D);
cout<<D[0][0]<<endl;
return 0;
}
例题二
最小上升子序列
一个数列的序列a[i],当a[1]<a[2]<a[3]<…<a[s]时,我们称这个序列是上升的。对于给定的一个序列(a[1],a[2],…,a[k]),求出最长上升子序列的长度。比如对于序列(1,7,3,5,9,4,8),有一些上升子序列,如子序列(1,3,5,8).
#include <iostream>
#include <algorithm>
int arr[7]={1,7,3,5,9,4,8};
int maxLen[7];
using namespace std;
int main() {
int size=sizeof(arr)/ sizeof(int);
for(int i=0;i<size;i++)
maxLen[i]=1;
for(int i=1;i<size;i++)
{
for(int j=0;j<=i;j++)
{
if(arr[i]>arr[j])
{
maxLen[i]=max(maxLen[j]+1,maxLen[i]);
}
}
}
std::cout << *max_element(maxLen,maxLen+size+1) << std::endl;
return 0;
}
例题三
公共子序列
给出两个字符串,求出这样的一个最长的公共子序列的长度:子序列中的每个字符都能在两个原串中找到,而且每个字符的先后顺序和原串的先后顺序一致。
#include <iostream>
#include <algorithm>
using namespace std;
int main()
{
char str1[]={'p','r','o','g','r','a','m','m','i','n','g'};
char str2[]={'c','o','n','t','e','s','t'};
int maxLen[16][16];
int size1= sizeof(str1)/ sizeof(char);
int size2= sizeof(str2)/ sizeof(char);
for(int i=0;i<=size1;i++)
maxLen[i][0]=0;
for(int j=0;j<=size2;j++)
maxLen[0][j]=0;
for(int i=1;i<=size1;i++)
{
for(int j=1;j<=size2;j++)
{
if(str1[i-1]==str2[j-1])
maxLen[i][j]=maxLen[i-1][j-1]+1;
else
maxLen[i][j]=max(maxLen[i][j-1],maxLen[i-1][j]);
}
}
cout<<maxLen[size1][size2]<<endl;
return 0;
}
例题四
最佳加法表达式
有一个由1…9组成的数字串,问如果将m个加号插入到这个数字串中,在各种可能形成的表达式中,值最小的那个表达式的值为多少?
#include <iostream>
#include <algorithm>
using namespace std;
# define MAX 10
int value[MAX][MAX];
int array[]={1,2,3,4};
int num(int s,int e)
{
int result=0;
for(int i=s;i<=e;i++)
{
result=10*result+array[i-1];
}
return result;
}
int v(int add,int n)
{
if(add==0)
value[add][n]=num(1,n);
else if(n<add+1)
cout<<"Error!It's impossible to finish this task!"<<endl;
else
{
value[add][n]=v(add-1,add)+num(add+1,n);
for(int i=add+1;i<n;i++)
{
value[add][n]=min(v(add-1,i)+num(i+1,n),value[add][n]);
}
}
return value[add][n];
}
int main()
{
cout<<v(2,4)<<endl;
return 0;
}
参考:郭炜《程序与算法设计》