算法导论-动态规划-钢条切割

这几天一直在看动态规划的问题，看了看也没想象中那么难，但需要好好的分析一下问题，我们就拿算法导论的钢条切割问题好好理解一下，钢条切割问题就是给你一段钢条，让你把钢条切割成好多份，因为每一段钢条都有不同的价值，我们要找到最优的切割方案，使切割成的钢条价值最大。
这道题我们可以用DFS直接搜索，对每个状态进行递归搜索找到最优解，而用DFS时我们会遍历到许多曾经计算过的点，所以它的复杂度会随着点的增加呈爆炸式增长，复杂度为O（2^n），这是我们为了简化那些已经曾经计算过的点，就需要引入动态规划的思想。朴素递归算法的效率之所以很低，是因为它反复求解相同的子问题，如果我们对每个子问题只求解一次，然后保存它的值，在遇到的时候就不用求解，就能大大节省递归的时间。这就是典型的用空间换时间的方法。
动态规划有两种等价的实现方法：
1.带备忘录的自顶而下的方法：这种方法任然按照DFS的方法去写，但在写的时候要记录每个计算过的值，在递归的时候要先看以前有没有计算过，如果计算过就直接用就好。这种方法也就是记忆化搜索，对搜索的值进行备忘。
2.自底而上法：最优解的情况需要将子问题分解成子子问题，直道分解成已经解决的问题，那么我们可以先将最小的子问题都解决出来，然后从小到大一次解决问题，当我们解决这个问题时，这个问题的所有子问题都已求解完成，也就是每个子问题我们只用求解一次。
两种方法具有相同的复杂度，自顶而下的方法并没有解决所有可能的子问题，由于没有频繁的递归函数的调用开销，自底而上的方法复杂度通常会比自顶而下的方法复杂度小
下面这个代码是用了自底而上的方法实现的，而且其中还记录了路劲，可以返回到底分割成了哪几块

#include<bits/stdc++.h>
using namespace std;
int value[15]={0,1,5,8,9,10,17,17,20,24,30};
int main()
{
    int n,ans[100]={0},step[100]={0};
    cin>>n;
    for(int i=1;i<=n;i++) {
        for(int j=1;j<=i;j++) {
            if(ans[i]<value[j]+ans[i-j]) {
            ans[i]=value[j]+ans[i-j];
            step[i]=j;
            }
        }
    }
    cout<<ans[n]<<endl;
    return 0;
}