动态规划入门理解

标签：

自己刚刚学习了一下动态规划的思想，属入门级，总结如下：

Dynamic　　动态规划算法通常基于一个或多个初始状态及一个递推公式（状态转移方程）。当前子问题的解将由上一次子问题（或前面某一次）的解推出。使用动态规划来解题只需要多项式时间复杂度， 因此它比回溯法、暴力法等要快许多。

　　动态规划中，我们要找到某个状态的最优解，然后在它的帮助下，找到下一个状态的最优解。

　　举例：
　　　　问题描述：如果我们有面值为1元、3元和5元的硬币若干枚，如何用最少的硬币凑够11元？
　　　　问题分析：我们思考，如何用最少的硬币凑够i元(i<11)。原因：大问题变小，好分析；但小问题的性质必须和大问题一致。
　　　　分析步骤：
　　　　　　　　　　i=0： d[0] = 0；
　　　　　　　　　　i=1：只能使用1元的硬币：d[1] = d[1-1]+1 = d[0]+1 = 1; d[1] = 1；
　　　　　　　　　　i=2：只能使用1元的硬币：d[2] = d[2-1]+1 = d[1]+1 = 2; d[2] = 2;
　　　　　　　　　　i=3：     使用1元的硬币：d[3] = d[3-1]+1 = d[2]+1 = 3;
　　　　　　　　　　　　　　 使用3元的硬币：d[3] = d[3-3]+1 = d[0]+1 = 1;
　　　　　　　　　　　　　　　　　　　　　　so, d[3] = min{d[3-1]+1, d[3-3]+1};d[3] = 1;
　　　　　　　　　i=4:        使用1元的硬币：d[4] = d[4-1]+1 = d[3]+1 = 2;
　　　　　　　　　　　　     使用3元的硬币：d[4] = d[4-3]+1 = d[3]+1 = 2;
　　　　　　　　　　　　　　　　　　　　　so, d[4] = min{d[4-1]+1, d[4-3]+1};d[4] = 2;

　　　　小结：状态： 凑够i元 所需的硬币数量；
　　　　　　　　　　　　状态只与它前面出现的状态有关，独立于后面的状态。
　　　　状态转移方程：描述状态之间是如何转移的，d[i] = min{d[i-Vj]+1}，其中 i-Vj >= 0；Vj是下一个可取的决策值。
　　举例：
　　　　问题描述：LIS：longest increasing subsequence（最长非降序子序列）, A[1], A[2]....A[N]
　　　　问题分析：
　　　　找状态：求A[1], A[2]....A[i](i<N) 中的最长非降序子序列。
　　　　状态转移方程：d[i] = max{1, d[j]+1}, j<i, A[j]<=A[i];

　　举例：
　　　　问题描述：平面上有N*M个格子(A[N][M])，每个格子中放着一定数量的苹果。你从左上角的格子开始， 每一步只能向下走或是向右走，
　　　　　　　　　　每次走到一个格子上就把格子里的苹果收集起来， 这样下去，你最多能收集到多少个苹果。
　　　　问题分析：
　　　　找状态：s[i][j],走到 i,j 时收集到的苹果数量
　　　　状态转移方程：s[i][j] = A[i][j] + max(S[i-1][j], if i>0 ; S[i][j-1], if j>0)

　　　　代码如下：

int MaxValue(int **A, int row, int col)
{
    int **s = new int*[row];
    for (int i =0 ; i < row; i++)
    {
        s[i] = new int[col];
    }
    int temp=0;
    
    for (i = 0; i<row; i++)
    {
        for (int j = 0; j < col; j++)
        {
            temp = 0;
            s[i][j] = A[i][j];
            if (j>0)
            {
                temp = A[i][j-1];
            }
            if (i>0 && A[i-1][j] > temp )
            {
                temp = A[i-1][j];
            }
        }
    }
    temp = s[row-1][col-1];
    
    for (i  = 0; i < row; i++)
    {
        delete s[i];
    }
    delete [] s;
    s=NULL;

    return temp;
}

代码

动态规划入门理解

标签：

原文地址：http://www.cnblogs.com/OrdinaryMiracle/p/4823065.html