动态规划问题
动态规划法的基本思想:
- 动态规划算法与分治法类似,其基本思想也是将待求解问题分解成若干个子问题, 先求解子问题,然后从这些子问题的解得到原问题的解。
- 与分治法不同的是,适合于用动态规划法求解的问题,经分解得到的子问题往往不是互相独立的。
- 若用分治法解这类问题,则分解得到的子问题数目太多,以至于最后解决原问题需要耗费指数时间。然而,不同子问题的数目常常只有多项式量级。在用分治法求解时,有些子问题被重复计算了许多次。如果能够保存已解决的子问题的答案,而在需要时再找出已求得的答案,就可以避免大量重复计算,从而得到多项式时间算法。
- 为了达到这个目的,可以用一个表来记录所有已解决的子问题的答案。不管该子问题以后是否被用到,只要它被计算过,就将其结果填人表中。
具体的动态规划算法是多种多样的,但它们具有相同的填表格式。
动态规划算法适用于解最优化问题。
通常可以按以下步骤设计动态规划算法:
(1)找出最优解的性质,并刻画其结构特征;
(2)递归地定义最优值;
(3)以自底向上的方式计算出最优值;
(4)根据计算最优值时得到的信息,构造最优解。
- 步骤(1)~(3)是动态规划算法的基本步骤。
- 在只需要求出最优值的情形,步骤(4)可以省去。
- 若需要求问题的最优解,则必须执行步骤(4)。
- 此时,在步骤(3)中计算最优值时,通常需记录更多的信息,以便在步骤(4)中,根据所记录的信息,快速构造出最优解。
下面以具体例子说明如何运用动态规划算法的设计思想,并分析可用动态规划算法求解的问题应该具备的一般特征。
例题一 、打家劫舍:
代码示例
1.找出能偷到的最高金额,并用表记录偷窃过程。
int rob(const vector<int>& nums, vector<bool>& X)
{
if (nums.empty()) return 0;
vector<int> dp(nums.size());
if (nums.size() == 1)
{
X[0] = 1;
return nums[0];
}
if (nums.size() == 2)
{
if (nums[0] > nums[1])
{
X[0] = 1;
return nums[0];
}
else
{
X[1] = 1;
return nums[1];
}
}
dp[0] = nums[0];
if (nums[0] > nums[1])
{
X[1] = 1;
dp[1] = nums[0];
}
else
{
X[1] = 1;
dp[1] = nums[1];
}
int len = nums.size();
for (int i = 2; i < len; ++i)
{
dp[i] = std::max(dp[i - 1], dp[i - 2] + nums[i]);
// X[i] 待补充
}
return dp[len - 1];
}
int main()
{
vector<int> ar = { 2,7,9,3,1 };
vector<bool> X(ar.size());
cout << rob(ar, X) << endl;
return 0;
}
2.找出能偷到的最高金额,无记录过程。
int rob(const vector<int>& nums)
{
if (nums.empty()) return 0;
if (nums.size() == 1)
{
return nums[0];
}
int pre = 0; //dp[i-2];
int cur = nums[0]; //dp[i-1];
int len = nums.size();
for (int i = 1; i < len; ++i)
{
int tmp = std::max(cur, pre + nums[i]);
pre = cur;
cur = tmp;
}
return cur;
}
int main()
{
vector<int> ar = { 2,7,9,3,1 };
cout << rob(ar) << endl;
return 0;
}
例题二、机器人路径
int GetPaths(int m, int n)
{
if (m <= 1 || n <= 1) return 1;
vector<vector<int> > dp(m, vector<int>(n, 1));//处理只有一行一列的情况
for (int i = 1; i < m; ++i)
{
for (int j = 1; j < n; ++j)
{
dp[i][j] = dp[i - 1][j] + dp[i][j - 1];
}
}
return dp[m - 1][n - 1];
}
int main()
{
int m, n;
cin >> m >> n;
cout << GetPaths(m, n) << endl;
}
例题三、0-1背包问题
代码示例:
1.不记录放置物品的情况
int Knapsack(int W[], int V[], int i, int j,vector<vector<int> >& dp)//反向计算
{
if (i == 1)
{
dp[i][j] = j >= W[1] ? V[1] : 0;
}
else if (dp[i][j] > 0)
{
return dp[i][j];
}
else if (j < W[i])
{
dp[i][j] = Knapsack(W, V, i - 1, j, dp);
}
else
{
int max1 = Knapsack(W, V, i - 1, j, dp);
int max2 = Knapsack(W, V, i - 1, j - W[i], dp) + V[i];
dp[i][j] = max1 > max2 ? max1 : max2;
}
return dp[i][j];
}
int Knapsack(int W[], int V[], int i, int n, int j)//正向计算
{
if (i == n)
{
return j >= W[n] ? V[n] : 0;
}
else if(j< W[i] )
{
return Knapsack(W, V, i + 1, n, j);
}
else
{
int max1 = Knapsack(W, V, i + 1, n, j);
int max2 = Knapsack(W, V, i + 1, n, j - W[i]) + V[i];
return max1 > max2 ? max1 : max2;
}
}
int main()
{
const int n = 5;
const int c = 10;
int W[n + 1] = { 0,2,2,6,5,4 };
int V[n + 1] = { 0,6,3,5,4,6 };
int maxv = Knapsack(W, V,1, n, c);
cout << maxv << endl;
}
2.记录放置物品的情况
void Print_Vector(vector<vector<int> >& c, int m, int n)
{
for (int i = 0; i <= m; ++i)
{
for (int j = 0; j <= n; ++j)
{
printf("%4d", c[i][j]);
}
printf("\n");
}
printf("\n");
}
int Knapsack(int W[], int V[], int n, int c,vector<vector<int> > &dp)
{
for (int j = 1; j <= c; ++j)
{
if (j >= W[1])
{
dp[1][j] = V[1];
}
else
{
dp[1][j] = 0;
}
}
for (int i = 2; i <= n; ++i)
{
for (int j = 1; j <= c; ++j)
{
if (j < W[i])
{
dp[i][j] = dp[i - 1][j];
}
else
{
dp[i][j] = std::max(dp[i - 1][j], dp[i - 1][j - W[i]] + V[i]);
}
}
}
return dp[n][c];
}
void BackPack(int W[], const vector<vector<int> >& dp,int n, int c, bool X[])
{
for (int i = n; i > 0; --i)
{
if (dp[i][c] != dp[i - 1][c])
{
X[i] = true;
c -= W[i];
}
}
}
int main()
{
const int n = 5;
const int c = 10;
int W[n + 1] = { 0,2,2,6,5,4 };
int V[n + 1] = { 0,6,3,5,4,6 };
bool X[n + 1] = {};
vector<vector<int> > dp(n + 1, vector<int>(c + 1, 0));
int maxv = Knapsack(W, V, n, c,dp);
cout << maxv << endl;
Print_Vector(dp, n, c);
BackPack(W, dp, n, c,X);
return 0;
}
图论