入门动态规划问题

hihocoder这周欠了三题,于是今天一波结束了。然后发现这三个题目似乎都很简单,并且还是一类问题里面的。所有就写成一次的吧。

动态规划问题,说起来,理论上是每个搞ACM的人都会学的,而且应该是最开始就学的。因为动态规划问题是各种各样比赛的宠儿啊,几乎每次比赛必出动态规划。楼教主的“男人八题”里面就有几个动态规划问题,是需要结合数据结构和动态规划才能解决的问题。不过不在这次范围内。


当然,在写动态规划问题之前,显然是要推荐一波《背包九讲》的,毕竟写的很好。传送门


1)数字三角形问题

数字三角形问题其实本质上也就是选和不选问题。

就以hihocoder-1037-数字三角形这个题目来说吧。

    2
   6 4
  1 2 8
 4 0 9 6
6 5 5 3 6
这个三角形,从最上面走到下面,每次只能向左下或者右下走,问最后的路径上的数的和最大为多少。

如果单纯的采用贪心的策略走的话,2-6-2-9-5,于是最大路径变成了24,然而结果却是28,是2-4-8-9-5

显然在第一步走错了。

那我们试试用搜索的方法,搜索因为采用递归的方式,所以其实把每一种方案都选择了一下。

2-6-1-4-6

2-6-1-4-5

....

2-4-8-9-5

....

2-4-8-6-6

显然用搜索时能够找到最后的结果的。

但是每种方案都找出来了。总共有2^4种方案,所以对于任意的n,有2^(n-1)种方案,那么如果n是100,显然要找到2^99种方案,这样的效率,是非常可怕的。

那我们再考虑下,发现,在搜索的时候,很多步骤是重复的。比如在2-6-2和2-4-2后面的几种方案,虽然都是一样的结果,但是却因为前面不同所以被重复计算了。这是导致效率低的原因。那该怎么解决呢?

很简单,把后面运行的结果保存一下,每次遇到相同的直接用不就可以了么。

所以假设f[i][j]表示从底部走到(i,j)这个位置的路径上所经过的最大路径和。这个状态我们发现是可以转移的。

f[i+1][j]的状态只需要向上面走一个位置,就可以转移到f[i][j],同理f[i+1][j+1]也是这样

然后就可以得到一个方程f[i][j] = max(f[i+1][j], f[i+1][j+1]) + val[i][j];

得到这个方程就可以轻松的解决这个问题了。

所以动态规划的核心思想,其实就是状态和状态转移方程。

附上hihocoder-1037-数字三角形的ac代码:

import java.util.Scanner;
import java.io.BufferedInputStream;

public class Main {
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		Scanner in = new Scanner( new BufferedInputStream( System.in ) );
		int n = in.nextInt();
		int[][] a = new int[n][n];
		int[][] dp = new int[n][n];
		for( int i = 0; i < n; ++i )
			for( int j = 0; j <= i; ++j )
				a[i][j] = in.nextInt();
		
		for( int i = 0; i < n; ++i ) dp[n - 1][i] = a[n - 1][i];
		for( int i = n - 2; i >= 0; --i )
			for( int j = i; j >= 0; --j )
				dp[i][j] = Math.max(  dp[i + 1][j], dp[i + 1][j + 1] ) + a[i][j];
		System.out.println( dp[0][0] );
	}
}



2)01背包

这个背包问题就是选和不选的问题,从这个背包问题能衍生出很多问题,比如POJ-2184这个题目就是一个很好的01背包变形。

不过今天是基础的背包,那我还是说基础的背包问题吧。

就以hihocoder-1038-01背包这个题目来说吧。

有n个奖品,m个奖卷。第i个奖品兑换需要w[i]个奖卷,这个奖品由v[i]的价值。问使用m个奖卷能换到的奖品价值最大为多少。

其实也是一个选和不选的问题了,与上面那个三角形还是非常类似的。

看到这个问题的时候就会有一种想法,就是强行搜索一波,把选和不选每个物品的两种情况都给搜索出来,这种不失为一种办法,但是确实很麻烦效率很低,即使物品只有30个也会一波GG,当然如果某些题目剪枝剪得非常棒那是另外一回事了。

根据我们做上面那个三角形的经验,我们要找到一个状态,一个状态转移方程就好了。

那这个状态怎么找呢?

f[i][j]表示当装了第i个物品,并且花了j个奖卷之后所能获得的最大价值。

这样就成功的找出来了。你要是问我这是怎么找到的。我也只能说一句无可奉告,毕竟我也只是学习了这些之后才知道的。

所以状态转移方程就是f[i][j] = max(f[i - 1][j - w[i]] + v[i], f[i][j]);(可优化)

所以直接给出hihocoder-1038-01背包的代码。

import java.util.Scanner;
import java.io.BufferedInputStream;

public class Main {
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		Scanner in = new Scanner( new BufferedInputStream( System.in ) );
		int n = in.nextInt();
		int m = in.nextInt();
		int[] a = new int[n];
		int[] b = new int[n];
		for( int i = 0; i < n; ++i ){
			a[i] = in.nextInt();
			b[i] = in.nextInt();
		}
		int[] dp = new int[m + 10];
		for( int i = 0; i < n; ++i ) {
			for( int j = m; j >= a[i]; --j ) {
				if( j >= a[i] ) 
					dp[j] = Math.max(dp[j - a[i]] + b[i], dp[j]);
			}
		}
		System.out.println( dp[m] );
	}
}

3)完全背包

其实在说完全背包之前,说下多重背包比较好。不过想想我这么懒,还是算了吧。

hihocoder-1043-完全背包为例。

首先能获取的是无限的,每种奖品能被无限次获取。看到这里内心一颤啊,居然无限次获取,那怎么搞啊。然而,虽然奖品是无限次获取的,但是手中的奖卷却是有限的。对于每种物品,能获得的物品数,也不过就是m / w[i]而已啊。

所以因此,就成功的把完全背包转换成了多重背包。多重背包的解法很多,比如再转换成01背包去计算,或者利用二进制来优化多重背包。

即,把多重背包最多能选的次数w,变成[2^0, 2^1, 2^2, 2^3,..., 2^k, w - 2^k]

这样的效率比一次一次的找要高的多了。

直接附hihocoder-1043-完全背包的ac代码:

import java.util.Scanner;
import java.io.BufferedInputStream;

public class Main {
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		Scanner in = new Scanner( new BufferedInputStream( System.in ) );
		int n = in.nextInt();
		int m = in.nextInt();
		int[] a = new int[n];
		int[] b = new int[n];
		int[] c = new int[n];
		for( int i = 0; i < n; ++i ){
			a[i] = in.nextInt();
			b[i] = in.nextInt();
			c[i] = m / a[i];
		}
		int[] dp = new int[m + 10];
		for( int i = 0; i < n; ++i ) {
			int t = c[i], r = 1;
			while( t > 0 ) {
				if( r > t ) r = t;
				t -= r;
				
				for( int j = m; j >= r * a[i]; --j ) {
					dp[j] = Math.max( dp[ j - r * a[i] ] + r * b[i], dp[j]);
				}
				r <<= 1;
			}
		}
		System.out.println( dp[m] );
	}
}


posted @ 2016-12-18 15:38  _Wilbert  阅读(140)  评论(0编辑  收藏  举报