c++动态规划经典算例
基本思想
动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值的解。动态规划算法与分治法类似，其基本思想也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。与分治法不同的是，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算了很多次。如果我们能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，这样就可以避免大量的重复计算，节省时间。我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。这就是动态规划法的基本思路。具体的动态规划算法多种多样，但它们具有相同的填表格式。
重要分析问题方法
动态规划算法跟数组有着密切的关系，因此推荐大家在分析动态规划的算法时画一张表格（建议使用excel）分析解决问题往往能够事半功倍。
动态规划算法实例
1、台阶问题
问题描述：有10级台阶，一个人每次上一级或者两级，问有多少种走完10级台阶的方法。
结合表格分析问题，每个子问题都只跟台阶这个变量相关，可以画出一个一维表格进行分析。
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | |
| 走法 | 1 | 2 | 3 | 5 | 8 | 13 | 21 | 34 | 55 | 89 |
分析边界条件：对于每个台阶每次上一级或者两级，当台阶数为1时走法为1（即走一级即毕）为2时走法为2（走两次一级和走一次二级）。
分析递归关系：对于任一台阶都可以分为通过两级或者一阶到达。
终于，在有了上述两个条件之后，问题轻易得到了求解。（结合表格分析的手段到这里还没有完全发挥出它该有的优势，大家拭目以待）
台阶问题基于c++的代码实现：
// ConsoleApplication2.cpp : 定义控制台应用程序的入口点。
//
//台阶问题：有一座高度是10级台阶的楼梯，从下往上走，每跨一步只能向上1级或者2级台阶。要求用程序来求出一共有多少种走法。
#include "stdafx.h"
#include <iostream>
using namespace std;
int getResultByDP(int n)//自底向上的问题解法
{if (n<1){return 0;}if (n==1){return 1;}if (n==2){return 2;}int a = 1;//从两个递归基开始int b = 2;int temp = 0;for (int i = 3; i < n + 1; i++){temp = a + b;a = b;b = temp;}return temp;
}
int _tmain(int argc, _TCHAR* argv[])
{cout << getResultByDP(10);system("pause");return 0;
}2、从矩阵左上角走到右下角最短路径问题
问题描述：给定一个矩阵m，从左上角开始每次只能向右走或者向下走，最后达到右下角的位置，路径中所有数字累加起来就是路径和，返回所有路径的最小路径和，如果给定的m如下，那么路径1,3,1,0,6,1,0就是最小路径和，返回12.
1 3 5 9
8 1 3 4
5 0 6 1
8 8 4 0
| 矩阵从左上角走到右下角 | |||||
| 0 | 1 | 2 | 3 | 4 | |
| 0 | 0 | 0 | 0 | 0 | 0 |
| 1 | 0 | 1 | 3 | 5 | 9 |
| 2 | 0 | 8 | 1 | 3 | 5 |
| 3 | 0 | 5 | 0 | 6 | 1 |
| 4 | 0 | 8 | 8 | 4 | 0 |
| 0 | 1 | 2 | 3 | 4 | |
| 0 | 0 | 0 | 0 | 0 | 0 |
| 1 | 0 | 1 | 4 | 9 | 18 |
| 2 | 0 | 9 | 5 | 8 | 13 |
| 3 | 0 | 14 | 5 | 11 | 12 |
| 4 | 0 | 22 | 13 | 15 | 12 |
边界条件分析：由问题知道对于任一矩阵中的元素而言，上次位置或者是在该元素的坐标或者上边。那么当一些元素没有左边或者上边时应该怎么做呢？不妨就说的更为具体一些吧，如上图的表格所示当x(表示行下标)等于1，和y（表示列下标）等于1时正好是对应没有上边元素和没有左边元素的情况。对于只有左边元素的值array[x][y]=array[x][y-1]+m[x][y],对于只有上边元素:array[x][y]=array[x-1][y]+m[x][y]（array为下面统计问题结果的二维数组，m为包含输入矩阵信息的二维数组）。
递归公式：对于平凡的子问题而言 （推导递归公式时刻意的考察array[x][y]和array[x-1][y]与array[x][y-1]的实际关系）
对于此问题而言：arry[x][y]=min(array[x-1][y],array[x][y-1])+m[x][y]
以下是该问题基于c++的代码实现：
//给定一个矩阵m，从左上角开始每次只能向右走或者向下走，最后达到右下角的位置，路径中所有数字累加起来就是路径和，返回所有路径的最小路径和，如果给定的m如下，那么路径1,3,1,0,6,1,0就是最小路径和，返回12.
#include "stdafx.h"
#include <string>
#include <iostream>
#include <algorithm>
using namespace std;
int const x_length=5, y_length=5;
int m[x_length][y_length] = {0, 0, 0, 0, 0,0, 1, 3, 5, 9,0, 8, 1, 3, 5,0, 5, 0, 6, 1,0, 8, 8, 4, 0
};
int minDis() //m二级指针（可以是一个二维数组）
{int dp[4 + 1][4 + 1];//---------初始化边界条件-----------------for (size_t i = 0; i < x_length; i++){dp[i][0] = 0;}for (size_t j = 0; j < y_length; j++){dp[0][j] = 0;}//-------------------------------------------for (size_t i = 1; i < x_length; i++){for (size_t j= 1; j < y_length; j++){if (i == 1){dp[i][j] = dp[i][j - 1] + m[i][j];}else if (j == 1){dp[i][j] = dp[i - 1][j] + m[i][j];}else{int temp1 = dp[i - 1][j] + m[i][j];int temp2 = dp[i][j - 1] + m[i][j];dp[i][j] = min(temp1, temp2);} }}return dp[x_length - 1][y_length - 1];
}
int _tmain(int argc, _TCHAR* argv[])
{cout << "最右下角的最短路径为：" << minDis();system("pause");return 0;
}
3、最大子数组问题
问题描述：给定数组arr，返回arr的最长递增子序列的长度，比如arr=[2,1,5,3,6,4,8,9,7]，最长递增子序列为[1,3,4,8,9]返回其长度为5，由于该问题中总要把当前元素和在他之前的进行分析，我们也是借助表格来直观的分析该问题。
| 2 | 4 | 5 | 3 | 1 | ||||
| 0 | 1 | 2 | 3 | 4 | 5 | 6 | ||
| 2 | 0 | |||||||
| 4 | 1 | |||||||
| 5 | 2 | |||||||
| 3 | 3 | |||||||
| 1 | 4 | |||||||
| 0 | 1 | 2 | 3 | 4 | ||||
| 1 | 2 | 3 | 2 | 1 |
边界条件：显然对于第一个数而言有dp[0]=1(dp表示存放结果的数组)
递归公式：首先生成dp[n]的数组，dp[i]表示以必须arr[i]这个数结束的情况下产生的最大递增子序列的长度。对于第一个数来说，很明显dp[0]为1，当我们计算dp[i]的时候，我们去考察i位置之前的所有位置，找到i位置之前的最大的dp值，记为dp[j](0=<j<i),dp[j]代表以arr[j]结尾的最长递增序列，而dp[j]又是之前计算过的最大的那个值，我们在来判断arr[i]是否大于arr[j],如果大于dp[i]=dp[j]+1.计算完dp之后，我们找出dp中的最大值，即为这个串的最长递增序列。
该问题基于c++的代码实现：
//给定数组arr，返回arr的最长递增子序列的长度，比如arr=[2,1,5,3,6,4,8,9,7]，最长递增子序列为[1,3,4,8,9]返回其长度为5.
#include "stdafx.h"
#include <string>
#include <iostream>
#include <algorithm>
#include <vector>
using namespace std;
int dp[5] = {};
int _tmain(int argc, _TCHAR* argv[])
{int arr[5] = { 2, 4, 5, 3, 1 };dp[0] = 1;const int oo = 0;for (int i = 1; i<5; i++){int _max = oo;for (int j = 0; j<i; j++)if (dp[j]>_max && arr[i]>arr[j])_max = dp[j];dp[i] = _max + 1;}int maxlist = 0;for (int i = 0; i < 5; i++)if (dp[i] > maxlist)maxlist = dp[i];cout << maxlist << endl;system("pause");return 0;
}
4、最长公共子序列
问题描述：给定两个字符串str1和str2，返回两个字符串的最长公共子序列，例如：str1="1A2C3D4B56",str2="B1D23CA45B6A","123456"和"12C4B6"都是最长公共子序列，返回哪一个都行。
问题分析：首先生成dp[n]的数组，dp[i]表示以必须arr[i]这个数结束的情况下产生的最大递增子序列的长度。对于第一个数来说，很明显dp[0]为1，当我们计算dp[i]的时候，我们去考察i位置之前的所有位置，找到i位置之前的最大的dp值，记为dp[j](0=<j<i),dp[j]代表以arr[j]结尾的最长递增序列，而dp[j]又是之前计算过的最大的那个值，我们在来判断arr[i]是否大于arr[j],如果大于dp[i]=dp[j]+1.计算完dp之后，我们找出dp中的最大值，即为这个串的最长递增序列。
| B | D | C | A | B | A | |||
| 0 | 1 | 2 | 3 | 4 | 5 | |||
| A | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| B | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 1 |
| C | 2 | 0 | 1 | 1 | 1 | 1 | 2 | 2 |
| B | 3 | 0 | 1 | 1 | 2 | 2 | 2 | 2 |
| D | 4 | 0 | 1 | 1 | 2 | 2 | 3 | 3 |
| A | 5 | 0 | 1 | 2 | 2 | 2 | 3 | 3 |
| B | 6 | 0 | 1 | 2 | 2 | 3 | 3 | 4 |
| 7 | 0 | 1 | 2 | 2 | 3 | 4 | 4 | |
| B | D | C | A | B | A | |||
| 0 | 1 | 2 | 3 | 4 | 5 | |||
| A | 0 | -2 | -2 | -2 | -2 | -2 | -2 | -2 |
| B | 1 | -2 | -1 | -1 | -1 | 0 | 1 | 0 |
| C | 2 | -2 | 0 | 1 | 1 | -1 | 0 | 1 |
| B | 3 | -2 | -1 | -1 | 0 | 1 | -1 | -1 |
| D | 4 | -2 | 0 | -1 | -1 | -1 | 0 | 1 |
| A | 5 | -2 | -1 | 0 | -1 | -1 | -1 | -1 |
| B | 6 | -2 | -1 | -1 | -1 | 0 | -1 | 0 |
| 7 | -2 | 0 | -1 | -1 | -1 | 0 | -1 |
该问题基于c++代码实现：
//输入为两个长度不为零的字符串，输出这两个字符串的最大公共子序列
#include "stdafx.h"
#include <string>
#include <iostream>
#ifndef MAX
#define MAX(X,Y) ((X>=Y)? X:Y)
#endif
using namespace std;
int **Lcs_length(string X, string Y, int **B)
{int x_len = X.length();int y_len = Y.length();int **C = new int *[x_len + 1];for (int i = 0; i <= x_len; i++){C[i] = new int[y_len + 1]; //定义一个存放最优解的值的表；}for (int i = 0; i <= x_len; i++){C[i][0] = 0;B[i][0] = -2; //-2表示没有方向}for (int j = 0; j <= y_len; j++){C[0][j] = 0;B[0][j] = -2;}for (int i = 1; i <= x_len; i++){for (int j = 1; j <= y_len; j++){if (X[i - 1] == Y[j - 1]){C[i][j] = C[i - 1][j - 1] + 1;B[i][j] = 0; //0表示斜向左上}else{if (C[i - 1][j] >= C[i][j - 1]){C[i][j] = C[i - 1][j];B[i][j] = -1; //-1表示竖直向上；}else{C[i][j] = C[i][j - 1];B[i][j] = 1; //1表示横向左}}}}return C;
}void OutPutLCS(int **B, string X, int str1_len, int str2_len)
{if (str1_len == 0 || str2_len == 0){return;}if (B[str1_len][str2_len] == 0) //箭头斜向左上{OutPutLCS(B, X, str1_len - 1, str2_len - 1);cout << X[str1_len - 1] << endl;}else if (B[str1_len][str2_len] == -1){OutPutLCS(B, X, str1_len - 1, str2_len);}else{OutPutLCS(B, X, str1_len, str2_len - 1);}
}int _tmain(int argc, _TCHAR* argv[])
{string X = "ABCBDAB";string Y = "BDCABA";int x_len = X.length();int y_len = Y.length();int **C;//定义一个二维数组int **B = new int *[x_len + 1];for (int i = 0; i <= x_len; i++){B[i] = new int[y_len + 1];}C = Lcs_length(X, Y, B);for (int i = 0; i <= x_len; i++){for (int j = 0; j <= y_len; j++){cout << C[i][j] << " ";}cout << endl;}cout << endl;for (int i = 0; i <= x_len; i++){for (int j = 0; j <= y_len; j++){cout << B[i][j] << " ";}cout << endl;}OutPutLCS(B, X, x_len, y_len);//构造最优解system("pause");return 0;
}
c++动态规划经典算例相关推荐
- SUNTANS模型学习（3）——学习cylinder算例
学习cavity算例 简介 网格配置 参数配置 Input file for SUNTANS部分 Grid Files部分 Output Data Files和Input Data Files部分 U ...
- 非静压模型SWASH学习（4）——溃坝流模拟算例（Dam break over wet bed）
溃坝流模拟算例(Dam break over wet bed) 算例简介 模型配置 网格及参数设置 网格和地形 初始条件 边界条件 物理参数 数值格式与参数 输出控制 计算时间 模拟结果 SWASH是 ...
- 动态规划原理介绍（附7个算例，有代码讲解）
动态规划思想 动态规划(Dynamicprogramming)是一种通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法. 动态规划常常适用于有重叠子问题和最优子结构性质的问题,动态规划方法所耗 ...
- Matlab实现自适应动态规划多层神经网络的算例汇总
使用MATLAB实现自适应动态规划(ADP)多层神经网络的算例,包括扭摆系统.仿射非线性算例以及"质量-弹簧-阻尼"系统.代码有偿,如有需求请私信联系. 扭摆系统 (torsion ...
- HMM算例 python 有代码
原理 原理文字来源于 https://www.cnblogs.com/lcj1105/p/4936103.html 隐马尔可夫(HMM). 还是用最经典的例子,掷骰子.假设我手里有三个不同的骰子.第一 ...
- ヾ(o◕∀◕)ﾉヾ各种动态规划经典例题（新手向、多类型）
ヾ(o◕∀◕)ﾉヾ各种动态规划经典例题(新手向.多类型) 一.前言 ヾ(･ω･`｡)我把比较常见的类型的动态规划找了一些经典的例题,适合作为新手的入门例题,用于帮助我们对各种不同的动态规划有所了解,很 ...
- 万字字符长文带你了解遗传算法（有几个算例源码）
一.遗传算法的基本概念 简单而言,遗传算法使用群体搜索技术,将种群代表一组问题解, 通过对当前种群施加选择.交叉和变异等一系列遗传操作来产生新-一代的种群,并逐步使种群进化到包含近似最优解的状态.由于 ...
- python 经典100例 （61-80）
python 经典100例(61-80) ''' [程序61] 题目:打印出杨辉三角形(要求打印出10行如下图) 1.程序分析: ''' if __name__ == '__main__': a = ...
- 动态规划经典题目_动态规划经典题目：鸡蛋掉落（附视频讲解）
题目: 思路: 先放上视频讲解 动态规划经典题目:鸡蛋掉落https://www.zhihu.com/video/1225199247848513536 纠正:视频里的状态转移方程漏写了一个+1,意思 ...
最新文章
- OpenStack Network --- introduction部分 阅读笔记
- 买卖股票的最佳时机||
- 九度oj 题目1374：所有员工年龄排序
- JAVA常见算法题(三十二)---找规律
- 腾讯再次劝退高龄员工，IT人的中年危机，我来教你化解！
- 通过OleDB连接方式,访问Access,Excel数据库.
- JS 判断两个时间的大小（可自由选择精确度：天，小时，分钟，秒）
- 需求、需求工程与需求工程师 — 1.定义、作用
- 多个Email的JS检测正刚表达式．
- bootsect Linux,linux_bootsect选读.doc
- python内置函数map/reduce/filter
- Java 非小数BigDecimal转换为Integer
- 【HDOJ7079】Pty loves lines（计算直线的交点方案数，打表）
- Windows 8 Consumer Preview
- 帆软Tab控件与控制组件隐藏的异同点
- CSDN、sina博客在Zoundry中登记的API URL 收藏
- 小乌龟git remote: error报错解决
- UFO报表转换不成功！请检查文件版本或使用DOS文件转换工具
- 十二属相配对与最佳配偶
- 达州中学高考2021成绩查询,2020达州高考成绩揭晓，恭喜恭喜！另附成绩统计表...