动态规划(dynamic programming)与分治方法相似,都是通过组合子问题的解来求解原问题。分治方法将问题划分为互不相交的子问题,递归地求解子问题,再将它们的解组合起来,求出原问题的解。与之相反,动态规划应用于子问题重叠的情况,即不同的子问题具有公共的子子问题(子问题的求解是递归进行的,将其划分为更小的子子问题)。在这种情况下,分治算法会做出许多不必要的工作,它会反复求解那些公共子问题。而动态规划只对每个子子问题求解一次,将其解保存在一个表格中,从而无需每次求解一个子子问题时都要重新计算,避免了不必要的计算工作。
按如下步骤来设计一个动态规划算法:
- 刻画一个最优解的结构特征;
- 递归地定义最优解的值;
- 计算最优解的值,通常采用自底向上的方法;
- 利用计算出的信息构造一个最优解。
1 案例分析
1)清雨的自助餐
题目描述:清雨面前有n种食物,排成一排,清雨可以选择其中的若干种食物,但是不能连续选择相邻的食物,问有多少种方法?其中1<n<90。
输入描述:
一个整数n
输出描述:
一个数的答案
输入样例:
3
输出样例:
5
解题思路:设dp[i]表示1~i的食物有多少种选法。考虑第i种食物,若选,则i-1不能选,所以方案为dp[i-2];若不选,则方案数为dp[i-1]。故转移方程dp[i]=dp[i-1]+dp[i-2]。易得初始条件为:dp[1]=dp[i-1]+dp[i-2]。
90项用long long刚好存的下。
#include<bits/stdc++.h>
using namespace std;
typedef long long LL;
const int N=90+5;
int n;
LL a[N];
int main()
{
scanf("%d",&n);
a[1]=2;
a[2]=3;
for(int i=3;i<=n;i++)
{
a[i]=a[i-1]+a[i-2];
}
printf("%lld\n",a[n]);
return 0;
}
结果:
2)糖果
题目描述:有一堆总数为奇数的糖果,小明和小红依次从这堆糖果中取一个糖果。首先将糖果排成一个环,然后小明先拿,之后二人只能从队尾或者队首拿糖果,直到所有糖果拿完,最后拿糖果多的获胜。
输入描述:
第一行:N
第2至N+1行:每行一个数,代表糖果数。
输出描述:
一个数,请输出胜利者比失败者多拿多少糖果
输入样例:
4
1
55
41
2
输出样例:
54
小明先选55,此时环从55处断开,变为序列[41,2,1]
小红先选择行首的41,此时剩余的序列为[2,1]
小明选择行首的2,此时剩余的序列为[1]
小红选择剩余的1.
此时小明获胜,比小红多15颗糖果。
解题思路:带博弈的动态规划
设dp[i][j]为只考虑i~j的糖果序列,先手能比后手多的糖果数,则转移方程为
dp[i][j]=max(a[i]-dp[i+1][j],a[j]-dp[i][j-1])
为环的话,只需要枚举第一个取得的糖果,即可转为序列上的问题。
//糖果问题
#include<iostream>
#include<vector>
using namespace std;
int predictWinner(vector<int>candies)
{
int length=candies.size();
if(length==0) return false;
vector<vector<int> > dp(length,vector<int>(length,0));
for(int i=0;i<length;i++)
{
dp[i][i]=candies[i];
}
for(int d=1;d<length;d++)
{
for(int i=0;i<length;i++)
{
dp[i][(i+d)%length]=max(candies[i]-dp[(i+1)%length][(i+d)%length],
candies[(i+d)%length]-dp[i][(i+d-1)%length]);
}
}
int result=INT_MIN; //INT_MIN= -2^31=-2147483648
for(int i=0;i<length;i++)
{
result=max(result,dp[i][(i+length-1)%length]);
}
return result;
}
int main()
{
int length=0;
int candies[10000];
cin>>length;
for(int i=0;i<length;i++)
{
cin>>candies[i];
}
vector<int> v(candies,candies+length);
cout<<predictWinner(v)<<endl;
}
结果: