算法导论学习-动态规划之记忆化搜索
一. 动态规划
动态规划(dynamic programming),与“分治思想”有些相似,都是利用将问题分 为子问题,并通过合并子问题的解来获得整个问题的解。于“分治”的不同之处在 于,对于一个相同的子问题动态规划算法不会计算第二次,其实现原理是将每一个计算过的子问题的值保存在一个表中。
二. 记忆化搜索
我们常见的动态规划问题,比如流水线调度问题,矩阵链乘问题等等都是“一步接着一步解决的”,即规模为 i 的问题需要基于规模 i-1 的问题进行最优解选择,通常的递归模式为DP(i)=optimal{DP(i-1)}。而记忆化搜索本质上也是DP思想,当子问题A和子问题B存在子子问题C时,如果子子问题C的最优解已经被求出,那么子问题A或者是B只需要“查表”获得C的解,而不需要再算一遍C。记忆化搜索的DP模式比普通模式要“随意一些”,通常为DP(i)=optimal(DP(j)), j < i。
三. 滑雪问题
上图显示为R*C的雪场,R是行数,C是列数。圆圈内的数字表示的是雪场的海拔高度h,根据常识我们知道,滑雪只有从上往下滑行才可能滑的动,现在我们想要求出能够滑行的最长距离,上面的例子我们可以很直接判断出25-24-......-1这个顺时针方向螺旋的滑雪方式可以滑的最远。
那么这个问题如何用编程来实现呢?我们发现这是一个典型的递推,DP(i, j)表示从坐标(i,j)出发所能滑行的最大长度,且有:DP(i, j)=optimal{DP(i±1, j±1)}+1。下面貼上源代碼。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
1 #include<iostream> 2 #include<cstdio> 3 #include<cstring> 4 #include<algorithm> 5 using namespace std; 6 const int max_size=110; 7 int R,C; 8 int dir[4][2]={{-1,0},{0,1},{1,0},{0,-1}}; 9 int h[max_size][max_size],dp[max_size][max_size]; 10 int inMap(int x,int y){ 11 if(x>=0&&x<=R-1&&y>=0&&y<=C-1) return 1; 12 return 0; 13 } 14 int max2(int a,int b,int c,int d){ 15 return max(max(a,b),max(c,d)); 16 } 17 int dfs(int i,int j){ 18 int nx,ny,down=0,up=0,left=0,right=0; 19 if(dp[i][j]) return dp[i][j]; 20 nx=i+dir[0][0]; ny=j+dir[0][1]; 21 if(inMap(nx,ny)){ 22 if(h[i][j]>h[nx][ny]) up=dfs(nx,ny); 23 } 24 nx=i+dir[1][0]; ny=j+dir[1][1]; 25 if(inMap(nx,ny)){ 26 if(h[i][j]>h[nx][ny]) right=dfs(nx,ny); 27 } 28 nx=i+dir[2][0]; ny=j+dir[2][1]; 29 if(inMap(nx,ny)){ 30 if(h[i][j]>h[nx][ny]) down=dfs(nx,ny); 31 } 32 nx=i+dir[3][0]; ny=j+dir[3][1]; 33 if(inMap(nx,ny)){ 34 if(h[i][j]>h[nx][ny]) left=dfs(nx,ny); 35 } 36 dp[i][j]=max2(up,down,left,right)+1; 37 return dp[i][j]; 38 } 39 int main(){ 40 scanf("%d%d",&R,&C); 41 memset(h,0,sizeof(h)); 42 memset(dp,0,sizeof(dp)); 43 for(int i=0;i<R;i++){ 44 for(int j=0;j<C;j++){ 45 scanf("%d",&h[i][j]); 46 } 47 } 48 int ans=-1; 49 for(int i=0;i<R;i++){ 50 for(int j=0;j<C;j++){ 51 ans=max(ans,dfs(i,j)); 52 } 53 } 54 printf("%d\n",ans); 55 }
四. 切棒子问题
给你一根长n英尺的棒子和一份关于该棒子的价目表如下(其中 i = 1,2,3,…,n),请问如何将这根棒子卖出最高的价格,可以对棒子进行切割。
这个题同样是可以利用DP记忆化搜索来实现的,递推公式为DP(n)=optimal{max{price(i)+DP(n-i)|1≤i≤n}}。实现代码如下:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
1 #include<iostream> 2 #include<cstdio> 3 #include<cstring> 4 using namespace std; 5 const int max_size=50; 6 const int inf=1<<30; 7 int price[max_size],dp[max_size]; 8 int n; 9 int dfs(int n){ 10 if(dp[n]) return dp[n]; 11 if(n==0) return 0; 12 int mmax=-inf; 13 for(int i=1;i<=n;i++){ 14 mmax=max(mmax,price[i]+dfs(n-i)); 15 } 16 dp[n]=mmax; 17 return dp[n]; 18 } 19 int main(){ 20 while(scanf("%d",&n)!=EOF){ 21 for(int i=1;i<=n;i++) scanf("%d",&price[i]); 22 printf("%d\n",dfs(n)); 23 } 24 }
五. 01背包问题
问题描述: 有N件物品和一个重量为M的背包。(每种物品均只有一件)第i件物品的重量是w[i],价值是p[i]。求解将哪些物品装入背包可使价值总和最大。思路也很简单,直接看代码
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
1 #include<iostream> 2 #include<cstdio> 3 #include<cstring> 4 using namespace std; 5 const int max_size=50; 6 const int inf=1<<30; 7 int p[max_size],w[max_size],dp[max_size][max_size]; 8 int n,v; 9 int dfs(int i,int v){ 10 if(dp[i][v]) return dp[i][v]; 11 if(i==0||v<=0) return 0; 12 if(w[i]>v) dp[i][v]=dfs(i-1,v); 13 else dp[i][v]=max(dfs(i-1,v),dfs(i-1,v-w[i])+p[i]); 14 return dp[i][v]; 15 } 16 int main(){ 17 while(scanf("%d",&n)!=EOF){ 18 memset(dp,0,sizeof(dp)); 19 for(int i=1;i<=n;i++) scanf("%d",&p[i]); 20 for(int i=1;i<=n;i++) scanf("%d",&w[i]); 21 scanf("%d",&v); 22 printf("%d\n",dfs(n,v)); 23 } 24 }
六. 总结
通过前两个例子分析,我们可以得出DP记忆化搜索的算法模板(自己DIY的,大家可以选择参考)
1 dfs(problem a){ 2 if(a has been solved) 3 then: consult the record. 4 else//get the optimal solution of problem a. 5 divide the problem a into several sub-problems(a1,a2,...,ak) 6 get the solution of problem a by dfs(a1),dfs(a2),...,dfs(ak). 7 finally write the optimal solution into record. 8 }