算法--动态规划
来源:互联网 发布:不吃肉 知乎 编辑:程序博客网 时间:2024/06/05 09:00
来源《算法导论》
Serling公司购买长钢条,将其切割为短钢条出售。切割工序本身没有成本支出。公司管理层希望知道最佳的切割方案。假定我们知道Serling公司出售一段长为i英寸的钢条的价格为pi(i=1,2,…,单位为美元)。钢条的长度均为整英寸。图15-1给出了一个价格表的样例。
钢条切割问题是这样的:给定一段长度为n英寸的钢条和一个价格表pi(i=1,2,…n),求切割钢条方案,使得销售收益rn最大。注意,如果长度为n英寸的钢条的价格pn足够大,最优解可能就是完全不需要切割。
解法1:自顶向下递归实现
将长度为n的钢条分解为左边开始的一段,以及剩余部分继续分解的结果。输入为数组p[0...n-1]和整数n,输出为n的钢条的最大收益。直接按照《算法导论》书上的算法该的C++程序实现代码如下:
#include<iostream>using namespace std; int cut_rod(int p[],int n) { if(n==0) return 0; int q = -10; for(int i=0;i<n;i++) { q = max(q,p[i]+cut_rod(p,n-i-1)); } return q; }int main(){cout << " rod length:"<< endl;int n;cin >> n;cout << "Input the price:";int *pRod = new int[n];for(int i = 0;i<n;++i) cin >> pRod[i];cout << cut_rod(pRod,n) << endl;return 0;}
解法2:带备忘的自顶向下法
该方法依然按照自然的递归形式编写过程,但是过程中会保存每个子问题的解。当需要一个子问题的解时,过程首先检查是否已经保存过此解。如果是,则直接返回保存的值,从而节省了计算时间;否则按照通常的方式计算这个子问题。
C++代码实现如下:
#include<iostream>#include<string.h>using namespace std;int memoizedCutRodAux(int p[],int n,int r[]);int memoizedCutRod(int p[],int n){ static int *r = new int[n]; memset(r,-1,4*n); return memoizedCutRodAux(p,n,r);}int memoizedCutRodAux(int p[],int n,int r[]){ if(r[n-1] >=0) return r[n-1]; int q; if(n == 0) q = 0; else {q = -1;for(int i=0;i<n;i++){ q = max(q,p[i]+memoizedCutRodAux(p,n-i-1,r));} } r[n-1] = q; return q;}int main(){cout << " rod length:"<< endl;int n;cin >> n;cout << "Input the price:";int *pRod = new int[n];for(int i = 0;i<n;++i) cin >> pRod[i];cout << memoizedCutRod(pRod,n) << endl;return 0;}
解法3:自顶向上法
这种方法需要恰当定义子问题“规模的概念”,使得任何子问题的求解都只依赖“更小的”子问题的求解。因而我们可以将子问题按规模排序,按由小到大的顺序进行求解。当求解某个子问题时,它所依赖的更小的子问题都已经求解完毕,结果已经保存。每个问题最需要求解一次,当我们求解它时,它的所有前提子问题都已求解完成。C++代码如下:
#include<iostream>#include<string.h>using namespace std;int bottomUpCutRod(int p[],int n){ int *r = new int[n+1]; r[0] = 0; for(int j = 0;j < n;++j) {int q = -1;for(int i =0;i <= j;++i){ q = max(q,p[i] + r[j-i]);}r[j+1] = q; } return r[n];}int main(){cout << " rod length:"<< endl;int n;cin >> n;cout << "Input the price:";int *pRod = new int[n];for(int i = 0;i<n;++i) cin >> pRod[i];cout << bottomUpCutRod(pRod,n) << endl;return 0;}
阅读全文
0 0
- 算法--动态规划算法
- 动态规划算法剖析
- 动态规划算法
- 初识动态规划算法
- 动态规划算法
- 动态规划算法剖析
- 动态规划算法
- 动态规划算法剖析
- 动态规划算法
- 动态规划算法实现
- 动态规划算法
- 动态规划算法
- 动态规划算法之一
- 动态规划算法备忘
- 动态规划 --压缩算法
- 动态规划算法
- 动态规划算法
- 动态规划算法解析
- Swing自动扫描服务程序总结
- 2011 Heilongjiang collegiate programming contest 【(7+1)/10】 [补完]
- ubuntu和win时间不匹配
- K近邻法(KNN)原理小结
- MyBatis Mapper.xml各种判断
- 算法--动态规划
- pycaffe对于图片的加载与训练
- 用netscope可视化caffe的prototxt网络结构
- Android studio 快速 app Build running
- POJ1700
- FrameLayout的顺序,以及elevation对其顺序的影响,CardView的上层放了一个Button,为什么Button看不到了
- 广告检索一致率排查过程
- VxWOrks信号量
- 基于Matlab的DCT(离散余弦变换)的JPEG图像压缩