20170531_动态优化的一个小例子
来源:互联网 发布:美丽说网络兼职客服 编辑:程序博客网 时间:2024/05/21 11:01
20170531_动态优化的一个小例子
转自:http://blog.csdn.net/baidu_28312631/article/details/47418773
动态规划相信大家都知道,动态规划算法也是新手在刚接触算法设计时很苦恼的问题,有时候觉得难以理解,但是真正理解之后,就会觉得动态规划其实并没有想象中那么难。网上也有很多关于讲解动态规划的文章,大多都是叙述概念,讲解原理,让人觉得晦涩难懂,即使一时间看懂了,发现当自己做题的时候又会觉得无所适从。我觉得,理解算法最重要的还是在于练习,只有通过自己练习,才可以更快地提升。话不多说,接下来,下面我就通过一个例子来一步一步讲解动态规划是怎样使用的,只有知道怎样使用,才能更好地理解,而不是一味地对概念和原理进行反复琢磨。
数字三角形
在下面的数字三角形中寻找一条从顶部到底边的路径,
使得路径上所经过的数字之和最大。路径上的每一步都只能往左下或 右下走。
只需要求出这个最大和即可,不必给出具体路径。
三角形的行数大于1小于等于100,数字为 0 - 99。
输入格式:
5 //表示三角形的行数
//接下来输入三角形
7
3 8
8 1 0
2 7 4 4
4 5 2 6 5
要求输出最大和30。
接下来,我们来分析一下解题思路:
首先,肯定得用二维数组来存放数字三角形
然后我们用D( r, j) 来表示第r行第 j 个数字(r,j从1开始算)
我们用MaxSum(r, j)表示从D(r,j)到底边的各条路径中,最佳路径的数字之和。
因此,此题的最终问题就变成了求 MaxSum(1,1)
当我们看到这个题目的时候,首先想到的就是可以用简单的递归来解题:
D(r, j)出发,下一步只能走D(r+1,j)或者D(r+1, j+1)。故对于N行的三角形,我们可以写出如下的递归式:
#include <iostream> #include <algorithm> #define MAX 101 using namespace std; int D[MAX][MAX]; int n; int MaxSum(int i, int j){ if(i==n) return D[i][j]; int x = MaxSum(i+1,j); int y = MaxSum(i+1,j+1); return max(x,y)+D[i][j]; } int main(){ int i,j; cin >> n; for(i=1;i<=n;i++) for(j=1;j<=i;j++) cin >> D[i][j]; cout << MaxSum(1,1) << endl; }对的,代码运行超时了,为什么会超时呢?
就拿第三行数字1来说,当我们计算从第2行的数字3开始的MaxSum时会计算出从1开始的MaxSum,当我们计算从第二行的数字8开始的MaxSum的时候又会计算一次从1开始的MaxSum,也就是说有重复计算。这样就浪费了大量的时间。也就是说如果采用递规的方法,深度遍历每条路径,存在大量重复计算。则时间复杂度为 2的n次方,对于 n = 100 行,肯定超时。
接下来,我们就要考虑如何进行改进,我们自然而然就可以想到如果每算出一个MaxSum(r,j)就保存起来,下次用到其值的时候直接取用,则可免去重复计算。那么可以用n方的时间复杂度完成计算。因为三角形的数字总数是 n(n+1)/2。
根据这个思路,我们就可以将上面的代码进行改进,使之成为记忆递归型的动态规划程序:
//在上面的数字三角形中寻找一条从顶部到底边的路径,//使得路径上所经过的数字之和最大。路径上的每一步都只能往左下或 右下走。//只需要求出这个最大和即可,不必给出具体路径。//三角形的行数大于1小于等于100,数字为 0 - 99。// 输入格式:// 5 //表示三角形的行数 接下来输入三角形//7//3 8//8 1 0//2 7 4 4//4 5 2 6 5// 要求输出最大和。#include<iostream>#include<vector>#include<string>#include<algorithm>using namespace std;const int SIZE=200;int main(void){int num[SIZE][SIZE]={0};int n=0;cout<<"请输入三角形的行数:";cin>>n;for(int i=1; i<=n; ++i)for(int j=1; j<=i; ++j)cin>>num[i][j];int res=0;if(n<=0)return 0;if(n==1)return num[1][1];//这是动态规划问题:DP问题//设计一个结果表,并初始化。i和j均从1开始。//maxsum[i][j]表示:从num[i][j]数字开始向下直到底端 所对应的最大路径和值。//则该递推表达式是:maxsum[i][j]=max( maxsum[i+1][j],maxsum[i+1][j+1] )+num[i][j]int maxsum[SIZE][SIZE]={0};for(int i=1; i<=n; ++i)maxsum[n][i]=num[n][i];//根据递推公式求解表格中各个数据for(int i=n-1; i>=1; --i){for(int j=1; j<=i; ++j)maxsum[i][j]=max( maxsum[i+1][j],maxsum[i+1][j+1] )+num[i][j];}res=maxsum[1][1];cout<<res<<endl;system("pause");return 0;}
虽然在短时间内就AC了。但是,我们并不能满足于这样的代码,因为递归总是需要使用大量堆栈上的空间,很容易造成栈溢出,我们现在就要考虑如何把递归转换为递推,让我们一步一步来完成这个过程。
接下来,我们就进行一下总结:
递归到动规的一般转化方法
递归函数有n个参数,就定义一个n维的数组,数组的下标是递归函数参数的取值范围,数组元素的值是递归函数的返回值,这样就可以从边界值开始, 逐步填充数组,相当于计算递归函数值的逆过程。
动规解题的一般思路:
1. 将原问题分解为子问题
- 把原问题分解为若干个子问题,子问题和原问题形式相同或类似,只不过规模变小了。子问题都解决,原问题即解决(数字三角形例)。
- 子问题的解一旦求出就会被保存,所以每个子问题只需求解一次。
2.确定状态
- 在用动态规划解题时,我们往往将和子问题相关的各个变量的一组取值,称之为一个“状 态”。一个“状态”对应于一个或多个子问题, 所谓某个“状态”下的“值”,就是这个“状 态”所对应的子问题的解。
- 所有“状态”的集合,构成问题的“状态空间”。“状态空间”的大小,与用动态规划解决问题的时间复杂度直接相关。 在数字三角形的例子里,一共有N×(N+1)/2个数字,所以这个问题的状态空间里一共就有N×(N+1)/2个状态。
整个问题的时间复杂度是状态数目乘以计算每个状态所需时间。在数字三角形里每个“状态”只需要经过一次,且在每个状态上作计算所花的时间都是和N无关的常数。
3.确定一些初始状态(边界状态)的值
以“数字三角形”为例,初始状态就是底边数字,值就是底边数字值。
4. 确定状态转移方程
定义出什么是“状态”,以及在该“状态”下的“值”后,就要找出不同的状态之间如何迁移――即如何从一个或多个“值”已知的 “状态”,求出另一个“状态”的“值”(递推型)。状态的迁移可以用递推公式表示,此递推公式也可被称作“状态转移方程”。
数字三角形的状态转移方程:
能用动规解决的问题的特点
1) 问题具有最优子结构性质。如果问题的最优解所包含的 子问题的解也是最优的,我们就称该问题具有最优子结 构性质。
2) 无后效性。当前的若干个状态值一旦确定,则此后过程的演变就只和这若干个状态的值有关,和之前是采取哪种手段或经过哪条路径演变到当前的这若干个状态,没有关系。
另外:这篇博客也是十分值得阅读!!!
http://blog.csdn.net/u013445530/article/details/45645307
白话算法之【动态规划入门】
- 20170531_动态优化的一个小例子
- 动态的小例子
- (转贴)一个C#动态编译的小例子
- CGLib动态代理原理及实现的一个小例子
- linux下编译动态链接库的一个小例子
- linux下编译动态链接库的一个小例子
- linux下编译动态链接库的一个小例子
- linux下编译动态链接库的一个小例子
- 一个小的例子
- 一个优化分析的例子
- 一个验证的小例子
- spss的一个小例子
- 一个JNI的小例子
- 一个JDBC的小例子
- SwingWorker的一个小例子
- 一个dwr的小例子
- wstring的一个小例子
- python的一个小例子
- Hadoop-rpc调用案例,服务端,客户端代码案例
- Vladik and Favorite Game CodeForces
- 快速提高编程能力---一年时间可以改变很多事
- iOS小demo之二阶贝塞尔画线
- 工厂方法模式
- 20170531_动态优化的一个小例子
- leetcode 199. Binary Tree Right Side View
- 省赛 Binary to Prime
- UR5机械臂仿真环境搭建
- 以小米时钟为demo学习自定义view过程总结
- 选择器
- 对机器学习的理解
- Unity3D 原生WebCamera实现摄像头显示
- 数据结构心得