钢条切割问题——动态规划

本文探讨了钢条切割问题,通过动态规划来提高算法效率。首先介绍了问题的基本原理,即通过递归方式将钢条分割,但由于递归过程中存在重复计算子问题,导致效率低下。接着,提出了两种动态规划解决方案:一是带备忘录的自顶向下法,利用备忘录存储已计算结果避免重复计算;二是自底向上法,先解决小的子问题并直接存储结果,避免了无效计算。通过这两种方法,实现了算法优化。
摘要由CSDN通过智能技术生成

基本原理:将钢条从长度为1至N依次分隔成两部分,例如分成1和N-1,2和N-2等,分割完后左半部分价格已经确定,则只需要计算右半部分(例如N-1,N-2)长度的钢条价格,而这又是一个子问题,故想到用递归来解决

自顶向下递归代码实现如下

int CutRod(int p[],int n){					
	if(n==0)
		return 0;
	int q=-1;
	for(int i=0;i<n;i++){
		int temp=p[i]+CutRod(p,n-i-1);		//从小到大依次分割,左边p[i]固定,则只需要计算右边即可 
		if(q<temp)							//而右边又是一个n-i长度的钢条切割问题,故递归 
			q=temp;							//此处传入数据n-i-1是因为数组从0开始,n-(i+1) 
	}
	return q;
}

但是该算法存在一个问题,即CutRod()递归过程中反复计算了重复的子问题,例如分割成1和3两部分时,计算3这一长度钢条时可以切割成长度为1和2的,而接下来计算分割成2和2两部分时,又计算了一次长度为2的钢条,如此反复计算,算法效率不高。

此时想到可以使用动态规划来解决此问题,我们设计一个备忘录,每次计算完成后的结果都可以存到备忘录中,这种方法称为带备忘录的自顶向下法。

代码实现如下

int MemoizedCutRodAux(int p[],int n,int r[]){
	int q;
	if(r[n]>=0)
		return r[n];			
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
动态规划是解决钢条切割问题的有效方法。下面是解决该问题的步骤: 1.定义问题:假设我们有一段长度为n的钢条和一个价格表pi(i=1,2,3….),其中pi表示长度为i英寸的钢条的价格。我们需要找到一种切割方案,使得切割后的钢条总价格最大。 2.找到最优子结构:假设我们已经找到了长度为n的钢条的最优切割方案,即rn。那么rn必然由一个或多个长度小于n的钢条的最优切割方案组成。因此,问题的最优解包含了子问题的最优解,具有最优子结构性质。 3.确定状态:我们可以用r[n]表示长度为n的钢条的最大收益。因此,我们需要求解的就是r[n]。 4.确定状态转移方程:假设我们已经知道了r, r, ..., r[n-1]的值,我们需要求解r[n]。我们可以枚举钢条的第一段切割位置,假设第一段切割位置为i,则有以下状态转移方程: r[n] = max(p[i] + r[n-i]),其中1<=i<=n 5.确定边界条件:当钢条长度为0时,收益为0,即r=0。 6.计算最优解:根据状态转移方程和边界条件,我们可以使用自底向上的方法计算出r[n]的值,从而得到最优解。 下面是Python代码实现: ```python def cut_rod(p, n): r = [0] * (n + 1) for j in range(1, n + 1): q = -1 for i in range(1, j + 1): q = max(q, p[i] + r[j - i]) r[j] = q return r[n] # 示例 p = [0, 1, 5, 8, 9, 10, 17, 17, 20, 24, 30] n = 4 print("长度为{}的钢条的最大收益为{}".format(n, cut_rod(p, n))) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值