1.动态规划主要思想:
将大问题求最优解问题,分解为小问题求最优解问题。动态规划对每个子问题只求解一次,将结果保存,若之后需要该子问题的结果,直接查找即可。
利用空间换取时间,并且这种方式是有效的。
2.应用领域:求最优化问题。
3.步骤:
(1)刻画一个最优解的结构特征;
(2)递归定义最优解的值;
(3)得到最优解的值,通常采用自底向上的方法;
(4)利用计算出的信息,构造一个最优解。
4.实例:
针对《算法导论》第15章第1节的钢条切割问题。使用自底向上法求解。
思路:恰当定义子问题“规模”(非常重要);将子问题按照由小到大排序,时子问题求最优解时依赖“更小”子问题;每个子问题的最优解和最优解值均保存,减少重复计算子问题,节省时间。
代码:
import java.util.Scanner;
public class ButtomToUp {
public static void main(String[] args) {
Scanner in = new Scanner(System.in);
while (in.hasNext()) {
int n = in.nextInt();
int[] p = new int[n + 1];// 收益数组
int[] r = new int[n + 1];// 最大收益值数组
int[] s = new int[n + 1];// 第i个规模最优时,第一段的长度
p[0] = 0;
for (int a = 1; a <= n; a++) {
p[a] = in.nextInt();
}
r[0] = 0;
// 动态规划进行由底到顶计算
for (int i = 1; i <= n; i++) {
int max = Integer.MIN_VALUE;
for (int j = 1; j <= i; j++) {
if (max < p[j] + r[i - j]) {
max = p[j] + r[i - j];
s[i] = j;
}
}
r[i] = max;
}
System.out.println("规模为i时最优值:" + r[n]);
System.out.println("最优解的值分别为:");
while (n > 0) {
int value = s[n];
n = n - s[n];
System.out.print(value + "\t");
}
}
}
}