浅析动态规划技巧和窍门.docVIP

浅析动态规划技巧和窍门 　　摘要：我们知道，动态规划是计算机编程中十分常用的一种算法。它的基本思想是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。值得注意的一点是，经分解得到的子问题往往不是相互独立的。那么动态规划算法中有哪些技巧以及窍门可以帮助我们更加顺利地解决问题呢？笔者就用几个Online Judge网站上的一些比较有代表性的题目作为例子，结合自己的一点心得体会，向读者讲授这些技巧和窍门。 　　关键词：动态规划；编程；技巧 　　中图分类号：J954 文献标识码：A 文章编号：1007-9599 （2012） 16-0000-02 　　首先，第一类动态规划的题目。这类问题往往直接采用递推的方式从前往后一步步记录下每一步的结果，最后得出问题的解就可以了。我们来看一个例子： 　　“数字三角形问题”。问题的大意是：给定一个由n行数字组成的数字三角形，如下面所示。试设计一个算法，计算出从三角形的顶至底的一条路径，使该路径经过的数字总和最大。 　　5（行数） 　　7 　　3 8 　　8 1 0 　　2 7 4 4 　　4 5 2 6 5 　　这道题很明显要用动态规划算法求解。假设我们要求第i行的最大值，怎么求呢？可能有的人会找每一行最大的数，但这样是行不通的，因为我们要找到一条路径，也就是上一行与下一行选的数必须不能隔数字。那怎么办呢？我们如果要找第i行的最大值，可以从第i-1行来找。对于第i行的每一个数字，通过选第i-1行中符合题目要求的数字，求出到该数的路径的最大值。我们最后求出的第n行的最大值中求出最大的即可。 　　附上代码（c语言）： 　　#include 　　int main（） 　　{ 　　int n，i，j，max； 　　int num[120][120]； 　　int sum[120][120]； 　　scanf（%d，n）； 　　for（i=1；i=n；i++） 　　{ 　　for（j=1；j=i；j++） 　　{ 　　scanf（%d，num[i][j]）； 　　} 　　} 　　sum[1][1]=num[1][1]； 　　for（i=2；i=n；i++） 　　{ 　　for（j=1；j=i；j++） 　　{ 　　if（j==1） 　　{ 　　sum[i][j]=sum[i-1][j]+num[i][j]； 　　} 　　else if（j==i） 　　{ 　　sum[i][j]=sum[i-1][j-1]+num[i][j]； 　　} 　　else 　　{ 　　if（sum[i-1][j-1]sum[i-1][j]） 　　{ 　　sum[i][j]=sum[i-1][j-1]+num[i][j]； 　　} 　　else 　　{ 　　sum[i][j]=sum[i-1][j]+num[i][j]； 　　} 　　} 　　} 　　} 　　max=0； 　　for（i=1；i=n；i++） 　　{ 　　if（sum[n][i]max） 　　{ 　　max=sum[n][i]； 　　} 　　} 　　printf（%d＼n，max）； 　　return 0； 　　} 　　其次，第二类动态规划算法。这类动态规划算法往往不像第一种那么直接往后递推就可以了。这类问题往往要借助于前面求解过的子问题，而且不一定是刚刚求解过的子问题。其实这类问题有点分治法的意思，但是可以记录下已经求解过的子问题的结果，不必再在后面的问题中求解一遍。我们来看一个典型的例子——“0-1背包问题”： 　　题目大意是，有一个背包容量为v，还有若干个宝物，第i个宝物的价值为v[i]，容量为w[i]。试设计一个算法，在背包容量范围内，把总价值最大的宝物总和加入到背包内。数据输入实例： 　　4（宝物个数） 6（背包容量） 　　1 4 （第一个宝物的容量和价值，下同） 　　2 6 　　3 12 　　2 7 　　这个问题怎么分析呢？我们假设已经装到第i个宝物了，容量为m时最大价值为f[m]。那么这时最大的价值为多少呢？如果第i个宝物装到了背包中，那么这时价值为f[m—w[i]]+v[i]，如果不装呢，价值仍为f[m]。取其中最大值。这里求数组f的各个元素时，我们可能需要前面求过的子问题。 　　附上代码（c语言）： 　　#include 　　int main（） 　　{ 　　int dp[13000]，n，m； 　　int w[3500]，d[3500]，i，j； 　　scanf（%d%d，n，m）； 　　for（i=1；i=n；i++） 　　{ 　　scanf（%d%d，w[i]，d[i]）； 　　} 　　memset（dp，0，sizeof（dp））； 　　for（i=1；i=n；i++） 　　{ 　　for（j=m；j=w[i