《算法导论》学习总结 — 16.第15章 动态规划(1) 基本入门
第十四章我想放在后面再看,先搁下。希望大家总结的一些文章也能向我推荐下,大家互相学习。 首先,还是建议看看前言:http://www.cnblogs.com/tanky_woo/archive/2011/04/09/2010263.html 其次,阿门,感谢老天送给了我们这么一本圣经,看了这一章,再次感受到了《算法导论》分析问题的精辟,强悍的魅力。Orz, Orz,各种Orz。 这一章讲的是动态规划,学算法的朋友,尤其是搞ACM的,对这个策略一定非常熟悉,所以这个算法网上的分析讲解教程也是铺天盖地,大家可以多搜几篇学习学习。 动态规划(Dynamic Programming,简称DP)是通过组合子问题的解来解决问题的。 注意这里的programming不是指编程,而是指一种规划。 因为DP用的太广泛了,并且书上也花了很大的篇幅来讲这一章,所以我也准备把这一章分几篇来总结,并且我不按照书上的顺序来总结,也不会全部用书上的例子。 这一章首先给出一些基础的概念,然后给出一个最基础入门的DP问题,三角形求值问题。 DP适用于子问题不是独立的情况,这样如果用分治法,也会作许多重复的工作,而DP只对子问题求解一次,将其结果保存在一张表中,从而避免了每次遇到各个子问题时重新计算的情况。 比较分治法于动态规划的区别: 分治法:将问题划分为一些独立的子问题,递归的求解各子问题,然后合并子问题的解而得到原问题的解。 eg. DP算法的设计可以分为四个步骤: ①.描述最优解的结构。 ②.递归定义最优解的值。 ③.按自底而上的方式计算最优解的值。 ④.由计算出的结果创造一个最优解。 下面来看看三角形求值这个问题: 将一个由N行数字组成的三角形,如图所以,设计一个算法,计算出三角形的由顶至底的一条路径,使该路径经过的数字总和最大。 这是在我见过的DP题目中,算是最简单的了,我相信就算没有学过DP的也会。 将上图转化一下: 假设上图用map[][]数组保存。 令f[i][j]表示从顶点(1, 1)到顶点(i, j)的最大值。 则可以得到状态转移方程: f[i][j] = max(f[i+1][j], f[i+1][j+1]) + map[i][j] 此题既适合自顶而下的方法做,也适合自底而上的方法, 当用自顶而下的方法做时,最后要在在最后一列数中找出最大值, 而用自底而上的方法做时,f[1][1]即为最大值。 所以我们将图2根据状态转移方程可以得到图3: 最大值是30. 很简单的DP题,代码如下: 结果如图: 下一篇会将装配线的调度。 在我独立博客上的原文:http://www.wutianqi.com/?p=2484 欢迎大家互相学习,互相进步!MERGE-SORT(A, p, r)
1 if p < r
2 then q ← |(p + r)/2|
3 MERGE-SORT(A, p, q)
4 MERGE-SORT(A, q + 1, r)
5 MERGE(A, p, q, r)
动态规划:适用于子问题不是独立的情况,也就是各子问题包含公共的子子问题,鉴于会重复的求解各子问题,DP对每个问
题只求解一遍,将其保存在一张表中,从而避免重复计算。