系列文章目录
面向问题求解的高级程序设计:
(一)枚举
(二)查找
(三)贪心算法
(四)搜索
(五)分治与递归
(六)动态规划
(七)最短路
(八)最小生成树
(九)数论
(十)期中回顾
文章目录
一、动态规划
- 动态规划 (dynamic programming) 是运筹学的一个分支,是求解决策过程 (decision process) 最优化的数学方法。
其特点在于将一个多阶段的问题转化为一系列的单阶段问题,利用各个阶段之间的关系,逐个求解。
特点
- 最优子结构(最优化原理):整个问题的最优策略可以通过将问题划分成多个子问题,并且分别求对应的最优策略得出。
- 无后效性:当前的决策无法影响未来的决策。
- 子问题的重叠性:将整个问题划分为子问题后,子问题之间具有相似性
二、例题
1.Common Subsequence
文章链接:HDU 1159.Common Subsequence【动态规划DP】【3月8】
2.Big Event in HDU
文章链接:shu7-19【背包和母函数练习】
3.最少拦截系统
文章链接:最少拦截系统_辣鸡和菜鸡的区别的博客-CSDN博客
4.Anniversary party
文章链接:HDU1520 Anniversary party 解题报告【树形DP】
5.背包问题
文章链接:背包问题
6.完全背包
有N种物品和一个容量为V的背包,每种物品都有无限件可用。第i种物品的体积是vi,价值是ci
现在请你选取一些物品装入背包,使这些物品的体积总和不超过背包容量,且价值总和最大。
其中1<=N<=100,1<=V<=50000,1<=vi,ci <=10000。
Input
第一行输入两个数N,V,分别表示物品种类数和背包容积; 之后N行,每行两个数vi,ci
,分别表示第i种物品的体积和价值;
Output
输出一个数,表示最大的价值
Sample Input
2 11
2 3
6 14
Sample Output
20
代码如下:
#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
int dp[100086] = {0};
int main(){
int n,W,w,p;
cin >> n >> W;
for(int i = 1; i <= n; i++){
cin >> w >> p;
for(int j = w; j<= W; j++){
dp[j] = max(dp[j],dp[j-w]+p);
}
}
cout << dp[W] << endl;
return 0;
}