动态规划，其实跟分治法有些相似，基本思想都是将复杂的问题分成数个简单的子问题，然后再去解决。它们的区别在于，分治法关注的子问题不相互“重叠”，而动态规划关注的子问题，多是相互“重叠”的。比如在快速排序中，我们将数据分成两部分，这两部分再分别快速排序的递归思想，也就是将整个问题的排序划分为子问题子数组的排序，但是这两个子数组的排序之间并没有相互联系，a子数组的排序不会因为b子数组的排序而得到任何“好处”或者“坏处”。但是有些时候，划分的子问题之间却是有联系的，比如下面的“钢管切割”问题：

钢管切割原始问题：

某公司生产长钢管，然后一般，会将钢条切断，变成不同长度，然后去售卖。其中有个问题是，不同长度的钢管的售价是不一样的，但是它们并不是完全按照比例来，比如2米的钢管售价要比3米的钢管售价要少，但是并不是2比3的比例。钢管的长度售价表如下：

长度i	1 2 3 4 5 6 7 8 9 10
价格Pi	1 5 8 9 10 17 17 20 24 30

于是问题就来了，比如30米长的钢管，要如何切割，切割成多长的几条，才能让售价最高，收益最高呢？

求解最佳收益和对应的分配方法：

朴素算法：

最简单直接的想法，就是用暴力破解，n长的钢管，可以分解成i长和n-i长的两段，因为i可以从0~n取值，所以我们可以对i不进行继续切割，于是对于长为i的这一段，可以直接调用价钱数组p[i]来得到价钱，然后加上对n-i递归调用求最优收益的函数的返回值。在过程之中记录这些组合的最优收益，等循环结束的时候，就能得到最优的收益价钱。

假设r[n]代表的是n长的钢管的切割最佳收益值，数组p代表上面表中的价格，其中p[0]=0，从p[1]~p[10]对应上面表中的数据，那么按照上面的想法，有公式：

r[n]=max(p[i]+r[n-i])，i从1到n，当n=0时，r[n]=0，因为0长的钢管售价当然为0。

于是给以下实现代码：

int cut_rod(int* p, int n) {if (n == 0) {return 0;}int q = -1;for (int i = 1; i <= n; i++) {/** 将n长的钢条，分成i和n-i的两段，i长的那段不切割，而n-i的那段求最大* 切割收益方式，然后相加；而q值是所有的组合中，最大收益的那个*/q = max(q, p[i] + cut_rod(p, n - i));}return q;
}

这种方法比较容易理解，但是性能是不是好呢？

可以简单的以n=4的情况来看一下：

n=4的划分(其中前面的那一段是直接使用p[i]，后面一段调用函数来求最佳收益)：

cut_rod(p,4)的划分可能：

①1长和3长：p[1]+cut_rod(p,3)

②2长和2长：p[2]+cut_rod(p,2)

③3长和1长：p[3]+cut_rod(p,1)

④4长和0长：p[4]+cut_rod(p,0)

而其中cut_rod(p,3)又可以划分为数组p中元素与cut_rod(p,0)，cut_rod(p,1)和cut_rod(p,2)；以此类推，可以给出一种以递归调用树的形式展示cut_rod递归调用了多少次：

不难从图中看出，做了大量重复工作，以n=2的节点为例，分别在n=4和n=3的时候都被调用了。根据上图，可以给出递归调用次数的一个公式，假设T(n)表示cut_rod第二个参数为n时的调用次数，T(0)这时候是为1的，因为根结点的第一次调用也要算进去。于是有：

T(n)=1+T(0)+T(1)+...+T(n-1)

使用归纳法，可以比较容易的得出：T(n)=2^n。

指数次幂的调用次数，显然太大，我们稍微让n大一点，则会让整个过程变的漫长。

动态规划算法：

而实际上我们不需要在每次都去重新计算cut_rod的在n=2时的结果，只需要在第一次计算的时候将结果保存起来，然后再需要的时候直接使用即可。这其实就是所谓的动态规划算法。

这里的思路有两种，一种叫带备忘的自顶向下方法，是顺着之前的代码，当需要的时候去检查是不是已经计算好了，如果是，则直接使用，如果不是，则计算，并保存结果。第二种思路是自底向上方法，不论需不需要，先将子问题一一解决，然后再来解决更一级的问题，但要注意的是，我们需要先从最小的子问题开始，依次增加规模，这样每一次解决问题的时候，它的子问题都已经计算好了，直接使用即可。

带备忘的自顶向下方法:

int memoized_cut_rod_aux(int* p, int n, int* r) {if (r[n] >= 0) {return r[n];}int q = -1;if (n == 0) {q = 0;} else {for (int i = 1; i <= n; i++) {q = max(q, p[i] + memoized_cut_rod_aux(p, n - i, r));}}r[n] = q;return q;
}/** 自顶向上的cut-rod的过程*/
int memoized_cut_rod(int* p, int n) {int* r = new int[n + 1];//初始化r数组，r数组用来存放，某种解决方案的最大收益值，对于n长的钢条而言，有n+1种切割方案，所以数组n+1长for (int i = 0; i <= n; i++) {r[i] = -1;}return memoized_cut_rod_aux(p, n, r);
}

自底向上的方法：

/** 自底向上的方式，先计算更小的子问题，然后再算较大的子问题，由于较大的子问题依赖于更小的子问题的答案，所以在计算较* 大的子问题的时候，就无需再去计算更小的子问题，因为那答案已经计算好，且存储起来了*/int bottom_up_cut_rod(int p[], int n) {int* r = new int[n + 1];r[0] = 0; //将r[0]初始化为0，是因为0长的钢条没有收益for (int j = 1; j <= n; j++) {int q = -1;/** 这里不用i=0开始，因为i=0开始不合适，因为这里总长就是为j，而划分是i和j-i的划分，如果i等于0，那么* 就意味着要知道r[j-0]=r[j]的值也就是j长的最好划分的收益，但是我们这里不知道。而且对于p[0]而言本身就没有意义* p数组中有意义的数据下标是从1到n的*/for (int i = 1; i <= j; i++) {q = max(q, p[i] + r[j - i]); //}r[j] = q;}return r[n];
}

上面两种算法的时间复杂度都是O(n^2)。

重构解

上面的代码只给出了最优的收益值，但是却没有给出最优收益到底是在那种切割分配方式下得到的，比如说n=9时，最佳收益为25，要分成3和6两段。这里可以使用另一个数组s来存储分段情况，比如s[9]存储3，然后我们让n=9-3，就可以得到s[6]的最佳分段情况，发现就是6，于是就不需要继续。

只需要将代码稍微修改即可达到目的：

#include<iostream>using namespace std;/** 存储结果的结构体，里面包含r和s两个数组，分别保存最佳收益和最佳收益时的分段数值*/
struct result {int* r;int* s;int len;result(int l) :r(), s(), len(l) {r = new int[len];s = new int[len];r[0] = 0;}~result() {delete[] r;delete[] s;}
};result* extended_bottom_up_cut_rod(int p[], int n) {result* res = new result(n + 1);int q = -1;//外层的循环代表的是保留的不切割的那段for (int i = 1; i <= n; i++) {//内层的循环代表的是要分割的，且要求出最佳分割的那段for (int j = 1; j <= i; j++) {if (q < p[j] + res->r[i - j]) {q = p[j] + res->r[i - j];res->s[i] = j;}}res->r[i] = q;}return res;
}int main() {int p[] = { 0, 1, 5, 8, 9, 10, 17, 17, 20, 24, 30 };int n = 9;result* res = extended_bottom_up_cut_rod(p, n);cout << "最佳收益：" << res->r[9] << endl;//循环输出实际的最佳分割段长cout << "分段情况：";while (n > 0) {cout << res->s[n] << ' ';n = n - res->s[n];}delete res;return 0;
}

运行上面程序，我们就可以的得到长度为9的钢管的最佳收益以及对应的切割情况：

最佳收益：25
分段情况：3 6

【算法导论】动态规划之“钢管切割”问题相关推荐

算法导论-动态规划（钢条切割问题）
写下文章来记录下自己学习算法导论的笔记文章目录写下文章来记录下自己学习算法导论的笔记动态规划的目的设计动态规划算法钢条切割问题问题描述刻画问题结构(建立方程) 递归方程建立带备忘录的自 ...
动态规划，java实现算法导论15章钢条切割
来自浙江理工大学在读研究生Yuner: github地址个人博客地址此问题dp式 :rn = max(pi + r(n-1)) 不使用dp,用普通的递归方式来求解 //使用普通的方法来计算钢条切割 ...
算法导论-动态规划-钢条切割问题
文章目录一.钢条切割定义二.具体步骤 1.思考 2.代码思考 3.动态规划求解 4.伪代码三:总结: 一.钢条切割定义图为价格表给定一段长度是n的钢条和一个价格表,求切割方案使得收益达到最大 ...
算法导论动态规划钢条切割问题 C语言
动态规划钢条切割问题动态规划(dynamic programming)与分治法类似.分治策略将问题划分为互不相交的子问题,递归求解子问题,再将子问题进行组合,求解原问题.动态规划应用于子问题重叠的情 ...
算法学习笔记----用动态规划解决钢管切割问题
(说明:由于CSDN的博客中不能添加下标等特殊符号,所以部分内容使用截图的形式) 通过对问题进行高度抽象,现在我们的问题,就是要递归地求解r n 的最大值,下面采用的是一种自顶向下的递归方法: int ...
算法导论动态规划切割钢条
保存已经求得的子问题解自底向上 #ifndef _MODEL_ #define _MODEL_ #include<vector> #include<map> using st ...
算法导论-动态规划(dynamic programming）
动态规划:通过组合子问题的解来解决整个问题. 动态规划的四个步骤: 1)描述最优解的结构: 2)递归定义最优解的值: 3)按自低向上的方式计算最优解的值(首先找到子问题的最优解,解决子问题,最后找到问 ...
算法：动态规划(1.钢条切割)
[齐天的博客]转载请注明出处(万分感谢!): https://blog.csdn.net/qijinglai/article/details/94324251 Dynamic programming ...
算法导论——动态规划：0-1背包问题（完全解）
2019独角兽企业重金招聘Python工程师标准>>> package org.loda.dynamic;import org.junit.Test;/*** * @ClassNam ...

【算法导论】动态规划之“钢管切割”问题

钢管切割原始问题：

求解最佳收益和对应的分配方法：

朴素算法：

动态规划算法：

重构解

【算法导论】动态规划之“钢管切割”问题相关推荐

最新文章

热门文章