首页 > 代码库 > MIT:算法导论——15.动态规划
MIT:算法导论——15.动态规划
【设计一个动态规划算法的四个步骤】
1、刻画一个最优解的特征。 (最优子结构?!)
2、递归地定义最优解的值。
3、计算最优解的值,通常采用自底向上方法。
4、利用计算出的信息构造一个最优解。
适合动态规划方法求解的最优化问题需要具备的两个性质:
【最优子结构(optimal substructure)】
问题的最优解由相关子问题的最优解组合而成,而这些子问题可以独立求解。(动态规划具体实现之处)
【重叠子问题(overlapping subproblem)】
如果递归算法反复求解相同的子问题,我们就称最优化问题具有重叠子问题性质。(动态规划实现优化之处)
【动态规划两种等价实现方法】
1、 带备忘的自顶向下法(top-down with memoizatioin)
2、自底向上方法(bottom-up method)
问题一:钢条切割
背景:长度为i的钢条价格为p[i],长为n的钢条的怎么切割有最大收益。
长度i: 1234 5 6789 10
价格p[i]: 1589 10 17172024 30
方案:
收益r[i] = max(p[j],r[i-j]),j:[1,i]**********************************************(2)
#include <stdio.h> #include <string.h> #include <iostream> #include <vector> #define MAXINT 0x7FFFFFFF #define MININT -(signed int)MAXINT - 1 using namespace std; int bottom_up_cut_rod( int *p, int n, int *s ); int bp_cut_rod(vector<int> &vPrices, vector<int> &vCuts); void output_cut_rod_solution(vector<int> &vPrices, vector<int> &vCuts); int main( void ) { cout << "********最大值/最小值******************" << endl; cout << MAXINT << endl; cout << MININT << endl; cout << "********动态规划:钢条切割最大收益*****" << endl; int p[] = { 0, 1, 5, 8, 9, 10, 17, 17, 20, 24, 30 }; int n = sizeof( p ) / sizeof( int ) - 1; //cout << sizeof( p ) / sizeof( int ) << endl; // 输出11,sizeof(p),p为数组,为总大小44 vector<int> vPrices(p, p + n + 1); vector<int> vCuts(n + 1); output_cut_rod_solution(vPrices, vCuts); cout << "最优解总数据:" << endl; for( int i = 0; i <= n; ++i ) cout << vCuts[i] << " "; cout << endl; return 0; } /* * 动态规划算法——自底向上计算:钢条切割,求切为多长为最优解。 * i = j + (i -j),即将长度为i的钢条分割为长度为j(整段)、长度为i - j(再分割段)的两段, * j = [1,i],即只且长为1的,至整段出售;而i - j在之前(bottom_up)已经计算。 * rod[r?d] n. 棒 —— cut rod * * 输出参数:int *s 输出参数,存储最优解 * 返回值 :int 长度为n的棒,最大收益 * */ int bp_cut_rod(vector<int> &vPrices, vector<int> &vCuts) { vector<int>::size_type n = vPrices.size() - 1; vector<int> vRods(n + 1); // 长为i的最优价值 // vRods.reserve(n + 1); // 此时如果直接访问,会报错;因为只是预留空间,并未初始化。 vRods[0] = 0; for (vector<int>::size_type i = 1; i <= n; i += 1){ // 求长为i的最优收益 int iSum = 0; int iVal = 0; for (vector<int>::size_type j = 1; j <= i; j += 1){ iSum = vPrices[j] + vRods[i - j]; if (iSum > iVal){ iVal = iSum; vCuts[i] = j; // 记录最优解 } } vRods[i] = iVal; } return vRods[n]; } void output_cut_rod_solution(vector<int> &vPrices, vector<int> &vCuts) { cout << "最优价值:" << bp_cut_rod(vPrices, vCuts) << endl; cout << "最优解:" << endl; int n = vCuts.size() - 1; while (n > 0){ cout << vCuts[n] << endl; n -= vCuts[n]; } }
int bp_cut_rod(vector<int> &vPrices, vector<int> &vCuts) *******************************(3)
算法复杂度分析:其内层for循环的迭代次数构成一个等差数列,所以运行时间复杂度为O(n^2)。
void output_cut_rod_solution(vector<int> &vPrices, vector<int> &vCuts) *******************(4)
MIT:算法导论——15.动态规划