算法:动态规划经典题目

做一个简单整理与汇总。详情见给出的链接。

算法之美:动态规划


1. 最大子数组和问题——O(N)


关键思路:考虑数组的第一个元素,以及最大的一段数组(A[i], ..., A[j]),和A[0]的关系,有一下几种情况:

(1)当0 = i = j 时,元素A[0]本身构成和最大的一段;

        (2)当0 = i < j 时,和最大的一段以A[0]开始; 

(3)当0 < i 时, 元素A[0]和最大的一段没有关系。

 Start = max( A[i], A[i] + Start);
 All = max(Start, All);

核心代码:单层for循环

int MaxSubString(int* A, int n)
{
        int Start = A[n - 1];
        int All = A[n - 1];
        for(int i = n - 2; i >= 0; i--)    //从后向前遍历,反之亦可。
        {
                Start = max( A[i], A[i] + Start);
                All = max(Start, All);
        }
        return All[0];                       //All[0] 中存放结果
}


2. 基础背包问题——O(N*V)


简单描述:有N件物品和一个容量为V的背包。第i件物品的体积是c[i],价值是v[i]。求解将哪些物品装入背包可使价值总和最大。特点是:每种物品仅有一件,可以选择放或不放。

关键思路:

如果一个问题的最优解包含了物品n,即Xn = 1,那么其余X1, X2, .....,Xn-1 一定构成子问题1,2,.....,n-1在容量C - cn时的最优解。

如果这个最优解不包含物品n,即Xn = 0; 那么其余 X1, X2.....Xn-1一定构成了子问题 1,2,....n-1在容量C时的最优解。

f[i][v] = max{ f[i-1][v] , f[i-1][v - c[i]] + w[i]}

见下图,顺序为左下到右上。(仅供理解,代码与图不匹配)


核心代码:双层for循环:物品i、体积j

#include<iostream>
 
#define max(a,b) ((a) > (b) ? a : b)
int c[5] = {3,5,2,7,4};
int v[5] = {2,4,1,6,5};
int f[6][10] = {0};
//f[i][v] = max{ f[i-1][v] , f[i-1][v - c[i]] + w[i]}
 
int main()
{
    for(int i = 1; i < 6; i++)
        for(int j = 1; j < 10 ;j++)
        {
            if(c[i] > j)//如果背包的容量,放不下c[i],则不选c[i]
                f[i][j] = f[i-1][j];        
            else
            {
                f[i][j] = max(f[i-1][j], f[i-1][j - c[i]] + v[i]);//转移方程式
            }
        }
        std::cout<<f[5][9];
    return 0;
}


3. 矩阵联乘问题——O(N^3)


简单描述:给定n个矩阵{A1,A2,...,An},矩阵A1的维数为p(i-1)×p(i), i = 1,2, ..., n,设p数组为[30,35,15,5,10,20,25]. 

如何给矩阵连乘A1*A2*....*An完全加上括号使用矩阵乘法中计算次数最少。

关键思路:假定问题Ai*Ai+1*...Aj被完全加括号的最优方式是在Ak与Ak+1之间被分裂,设m[i,j]表示计算Ai...j所需的最小计算次数。

m[i,j] = min{m[i,k]+m[k+1,j]+p(i-1)*p(k)*p(j) }

见下表输出:

数组m如下,m[1,6]是需要的解。

[[0, 0, 0, 0, 0, 0, 0],
 [0, 0, 15750, 7875, 9375, 11875, 15125],
 [0, 0, 0, 2625, 4375, 7125, 10500],
 [0, 0, 0, 0, 750, 2500, 5375],
 [0, 0, 0, 0, 0, 1000, 3500],
 [0, 0, 0, 0, 0, 0, 5000],
 [0, 0, 0, 0, 0, 0, 0]]
数组middle如下:
[[0, 0, 0, 0, 0, 0, 0],
 [0, 0, 1, 1, 3, 3, 3],
 [0, 0, 0, 2, 3, 3, 3],
 [0, 0, 0, 0, 3, 3, 3],
 [0, 0, 0, 0, 0, 4, 5],
 [0, 0, 0, 0, 0, 0, 5],
 [0, 0, 0, 0, 0, 0, 0]]

核心代码:三层for循环——增量、起点、划分点

void main()
{
	int n=7,min;     
	int m[n][n],middle[n][n];
        int r[n] = {30,35,15,5,10,20,25};     /* 矩阵维数 */
  
        /* 初始化 */
       memset(m,0,sizeof(m));

        for (int a = 1; a < n-1; a++) 	// 确定增量,最大为n-1
       {
              for (int i = 1; i <= (n-1) - a; i++) 	// 确定差值为a的两个数i与j
             {
                  j = i + a;
                  min = m[i][i] + m[i+1][j] + r[i-1] * r[i] * r[j];	// 初始化最小值,即k=i时候
                  middle[i][j] = i;
                  for (int k = i + 1; k < j; k++)	//遍历不同k分点,并记录最小值及最小值得划分点
                 {
                       if (min > m[i][k] + m[k+1][j] + r[i-1] * r[k] * r[j]) 
         {
                               min = m[i][k] + m[k+1][j] + r[i-1] *r[k]* r[j];
                                        middle[i][j] = k;
                        }
                  }
                        m[i][j] = min;
             }
        }
        std::cout<<m[1][N];
}


4. 完美平方数

简单描述:给定一个数,求其最少能表示成几个完全平方数的和表示。

关键思路:

核心代码:

# coding:utf-8
import math
class Solution(object):
<span style="white-space:pre">	</span>def numSquares(self,n): 
<span style="white-space:pre">		</span>def isSquare(m):
<span style="white-space:pre">			</span>b=int(math.sqrt(m))
<span style="white-space:pre">			</span>return b*b == m
<span style="white-space:pre">		</span>a=[float("inf") for i in range(n)]
<span style="white-space:pre">		</span>if (n==0 or n==1 or isSquare(n)):
<span style="white-space:pre">			</span>print "1"
<span style="white-space:pre">			</span>return 1
<span style="white-space:pre">		</span>for i in range(1,n+1):<span style="white-space:pre">		</span># 依次计算每个数的最小平方次数,从1到n
<span style="white-space:pre">			</span>if isSquare(i):
<span style="white-space:pre">				</span>a[i-1]=1;
<span style="white-space:pre">			</span>else:
<span style="white-space:pre">				</span>for j in range(1,i):<span style="white-space:pre">	</span># 动态规划
<span style="white-space:pre">					</span>a[i-1] = min(a[j-1] + a[i-j-1],a[i-1])
<span style="white-space:pre">		</span>print a[n-1]
<span style="white-space:pre">		</span># print a
<span style="white-space:pre">		</span>return 1
<span style="white-space:pre">	</span>def __init__(self,n):
<span style="white-space:pre">		</span>self.numSquares(n)


S=Solution(20)






展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 编程工作室 设计师: CSDN官方博客
应支付0元
点击重新获取
扫码支付

支付成功即可阅读