一、概念

  动态规划是运筹学的一个分支,是求解决策过程最优化的数学方法。动态规划是通过拆分问题,定义问题状态和状态之间的关系,使得问题能够以递推(或者说分治)的方式去解决。

1、试用情况:

2、解决步骤:

  1、拆分问题

  2、找状态(初始值)

  3、状态转移方程

3、DP问题的分类:

  1、线性dp  2、背包  3、区间dp  4、数位dp  5、状压dp  6、树形dp  7、概率dp

4、具体典例:

A线性DP:

   最长上升子序列(LIS)

/*最长上升子序列LIS---hdu1257*/
#include <cstdio>
#include <iostream>
#include <cstring>
#include <cmath>
#include <algorithm>
#define maxn 100005 using namespace std; int dp[maxn],num[maxn];//dp[i]定义为以ai为结尾的最长上升子序列的长度
int main()
{
int n,i,j,ans;
//freopen("Atext.in","r",stdin);
while(cin >> n)
{
ans=;
for(i=;i<n;i++)
{
cin >> num[i];
dp[i]=; //每一个以ai为结尾的LIS只有两种情况,一种是他自身
} //另一种是它前面比它小的数的LIS加上ai
for(i=;i<n;i++)
{ //dp[i]=1的赋值也可以放到这里
for(j=;j<i;j++) //对每一个ai的前面走到它的路径循环记录
{
if(num[j]<num[i]) //选出以ai结尾的最长的路径保存
dp[i]=max(dp[j]+,dp[i]);
}
ans=max(dp[i],ans); //记录各个路径的最大值,即LIS
}
cout << ans << endl;
/*O(nlogn)的方式--利用二分查找
dp[i]:长度为i+1的上升子序列中末尾元素的最小值(不存在的话就是INF);
fill(dp,dp+n,INF);
for(int i=0;i<n;i++)
{
*lower_bound(dp,dp+n,a[i])=a[i];//找到>=a[i]的第一个元素,并用a[i]替换;
}
cout<<lower_bound(dp,dp+n,INF)-dp<<endl;//找到第一个INF的地址减去首地址就是最大子序列的长度;
*/
}
return ;
}

   最长公共序列(LCS)

  

/*LCS----最长公共子序列*/
#include <bits/stdc++.h> #define maxn 1005
using namespace std;
char s[maxn],t[maxn]; //待判断的字符串数组
int dp[maxn][maxn]; //si与tj对应的公共子序列的长度
int main()
{
int i,j,n,m;
cin >> n >> m;
for(i=;i<n;i++)
cin >> s[i];
for(j=;j<m;j++)
cin >> t[j];
for(i=;i<n;i++)
{
for(j=;j<m;j++)
{
if(s[i]==t[j])
dp[i+][j+]=dp[i][j]+;
else
dp[i+][j+]=max(dp[i][j+],dp[i+][j]);
}
}
cout << dp[n][m] << endl;
return ;
}
//自我心得:感觉无论是01背包还是LCS的二维数组都记录了每一种可能组合的状态,并且是该组合状态下的最优化值
//通过记录每一步状态的转移,一步步递推出最终的结果。

 B.背包(有背包九讲):

 01背包

  

/*01背包(递归版)*/
#include <iostream>
#include <cstdio>
#include <cstring>
#define maxn 1005
using namespace std; int n,W; //int dp[n][j]; 第i个物体,背包容量为j时的价值
int w[maxn],v[maxn];
int res(int i,int j) //第i个物体,背包剩余容量j;
{
/*if(dp[i][j]>=0) 记忆化搜索,每种情况只计算一次
return dp[i][j];*/
int ans; //背包里的总价值
if(i==n) //i个物体取或不取得情况都试完了;
ans=;
else if(j<w[i]) //此物体的重量大于背包容量,一定不能取,直接下一个
ans=res(i+,j);
else
{ //取或不取的价值--递归调用
ans=max(res(i+,j),res(i+,j-w[i])+v[i]);
}
//dp[i][j]=ans;参数的组合只有n*W种,计算过的组合就存起来
return ans;
}
int main()
{
int i,j;
//memset(dp,-1,sizeof(dp));
cin >> n >> W; //n个物体,背包容量为W
for(i=;i<n;i++)
cin >> w[i] >> v[i] ;//输入每个物体的容量和价值
cout << res(,W) << endl;//从第i个物体开始,挑选总重小于等于j的部分;
return ;
}
/*01背包(普通版)*/
#include <bits/stdc++.h>
#define maxn 100
using namespace std; int w[maxn],v[maxn];//n个物体的重量及价值
int dp[maxn][maxn]; //前i个物体在背包容量为j的情况下的价值的最大值
int main()
{
int n,W,i,j;
cin >> n >> W;
memset(dp,,sizeof(dp));
for(i=;i<n;i++)
cin >> w[i];
for(j=;j<n;j++)
cin >> v[j];
for(i=;i<n;i++) //无论从前往后递推还是从后往前递推,其实都是记录所有的状态
{
for(j=;j<=W;j++)
{
if(w[i]>j)
dp[i+][j]=dp[i][j]; //dp[i+1][j]:从0到i这i+1个物体中选出总重量不超过j的物体时总价值的最大值
else
dp[i+][j]=max(dp[i][j],dp[i][j-w[i]]+v[i]);
}
}/*01 背包循环利用单数组实现
for(i=0;i<n;i++)
{
for(j=W;j>=W[i];j--) //循环利用一个数组,只记录前i个物体在背包的各种状态下的最优值。
{ //即dp数组在背包的各个容量下的最优值。
dp[j]=max(dp[j],dp[j-W[i]]+v[i]);
}
} */
cout << dp[n][W] << endl;
return ;
}
//自我心得:n个物体与j容量的背包,组合情况有n*j种,dp二维数组其实就是记录每一种状态下的最优化的值;
//然后通过状态转移方程对状态一步步将结果递推转移出来;

      完全背包

    

#include <bits/stdc++.h>
#define maxn 100
/*完全背包*/
using namespace std;
int dp[maxn][maxn];
int w[maxn],v[maxn];
int main()
{
int n,W,i,j;
cin >> n >> W;
for(i=;i<n;i++)
cin >> w[i];
for(i=;i<n;i++)
cin >> v[i];
for(i=;i<n;i++)
{
for(j=;j<=W;j++)
{
if(j<w[i])
dp[i+][j]=dp[i][j];
else //在dp[i+1][j]的计算中选择k(k>=1)个的情况,与在dp[j+1][j-W[i]]的计算中选择k-1个的情况是相同的。
dp[i+][j]=max(dp[i][j],dp[i+][j-w[i]]+v[i]);
}
}/*
for(int i=0;i<n;i++)
{
for(int j=w[i];j<=W;j++)//针对背包容量dp,只存最优值。
{
dp[j]=max(dp[j],dp[j-w[i]]+v[i]);
}
} */
cout << dp[n][W] << endl;
return ;
}
//自我心得:感觉单数组就是针对每一种背包容量情况,循环n个物体,将dp数组里不断地存入最优化的值
//PS:还可利用滚动数组,当数据限制改变也可用DP针对不同的价值计算最小的重量
//如:dp[i+1][j]:前i个物体中挑出价值总和为j时总重量的最小值。

数位dp及状压dp见(二)……

第一周 动态规划Dynamic Programming(一)的更多相关文章

  1. 6专题总结-动态规划dynamic programming

    专题6--动态规划 1.动态规划基础知识 什么情况下可能是动态规划?满足下面三个条件之一:1. Maximum/Minimum -- 最大最小,最长,最短:写程序一般有max/min.2. Yes/N ...

  2. 动态规划(Dynamic Programming)算法与LC实例的理解

    动态规划(Dynamic Programming)算法与LC实例的理解 希望通过写下来自己学习历程的方式帮助自己加深对知识的理解,也帮助其他人更好地学习,少走弯路.也欢迎大家来给我的Github的Le ...

  3. 动态规划Dynamic Programming

    动态规划Dynamic Programming code教你做人:DP其实不算是一种算法,而是一种思想/思路,分阶段决策的思路 理解动态规划: 递归与动态规划的联系与区别 -> 记忆化搜索 -& ...

  4. 动态规划 Dynamic Programming

    March 26, 2013 作者:Hawstein 出处:http://hawstein.com/posts/dp-novice-to-advanced.html 声明:本文采用以下协议进行授权: ...

  5. [算法]动态规划(Dynamic programming)

    转载请注明原创:http://www.cnblogs.com/StartoverX/p/4603173.html Dynamic Programming的Programming指的不是程序而是一种表格 ...

  6. 动态规划系列(零)—— 动态规划(Dynamic Programming)总结

    动态规划三要素:重叠⼦问题.最优⼦结构.状态转移⽅程. 动态规划的三个需要明确的点就是「状态」「选择」和「base case」,对应着回溯算法中走过的「路径」,当前的「选择列表」和「结束条件」. 某种 ...

  7. 动态规划 Dynamic Programming 学习笔记

    文章以 CC-BY-SA 方式共享,此说明高于本站内其他说明. 本文尚未完工,但内容足够丰富,故提前发布. 内容包含大量 \(\LaTeX\) 公式,渲染可能需要一些时间,请耐心等待渲染(约 5s). ...

  8. 最优化问题 Optimization Problems & 动态规划 Dynamic Programming

    2018-01-12 22:50:06 一.优化问题 优化问题用数学的角度来分析就是去求一个函数或者说方程的极大值或者极小值,通常这种优化问题是有约束条件的,所以也被称为约束优化问题. 约束优化问题( ...

  9. 后台开发 3个题目 array_chunk, 100块钱找零钱(动态规划 dynamic programming), 双向循环链表 llist 删除节点

    1. array_chunk 实现 http://php.net/manual/en/function.array-chunk.php <?php function my_array_chunk ...

随机推荐

  1. sass 安装与使用

    1.安装. 安装ruby :http://rubyinstaller.org/downloads 创建项目:在f盘创建一个名为sass的文件夹 ruby命令行:f: ruby命令行:cd sass r ...

  2. Linux下安装PostgreSQL 转载linux社区

    Linux下安装PostgreSQL [日期:2016-12-25] 来源:Linux社区  作者:xiaojian [字体:大 中 小]   在Linux下安装PostgreSQL有二进制格式安装和 ...

  3. GMP大法教你重新做人(从入门到实战)

    一.引言 GMP(The GNU Multiple Precision Arithmetic Library)又叫GNU多精度算术库,是一个提供了很多操作高精度的大整数,浮点数的运算的算术库,几乎没有 ...

  4. 使用phpMyAdmin批量修改Mysql数据表前缀的方法

    多个网站共用一个Mysql数据库时,为使数据库管理不混乱,一般采用不同的网站使用不同前缀名的方式进行区分.而如何批量修改已有数据库的前缀名呢?全部导出修改后再导入?还是一个表一个表的修改?今天我要介绍 ...

  5. 人人都是CEO

    在这个互联网崛起的时代有些流行说法,比如:人人都是产品经理,人人都是程序员以突显行业繁荣的特点,但从更基本的出发点,难道人人不都是 CEO 么?个人的 CEO. 从这个名字套路出发,我沿着想了下去,作 ...

  6. Weblogic jsp页面编译出错,Weblogic jsp编译异常

    Weblogic jsp页面编译出错,Weblogic jsp编译异常 ======================== 蕃薯耀 2018年1月29日 http://www.cnblogs.com/f ...

  7. Java并发编程:Thread类的使用(转载)

    一:线程的状态: 在正式学习Thread类中的具体方法之前,我们先来了解一下线程有哪些状态,这个将会有助于后面对Thread类中的方法的理解. 线程从创建到最终的消亡,要经历若干个状态.一般来说,线程 ...

  8. struts学习总结

    -- struts2 是在struts1和webwork基础上发展的全新框架. -- struts2解决的问题: 原始的servlet中,每需要操作一个crud的操作就要创建一个servlet,虽然后 ...

  9. Python3.6.1的安装

    Python 3.61的下载和安装,下载地址:https://www.python.org/downloads/ 选择最近的版本,目前为Python3.6.1,下载后直接安装即可 下载包为: 双击安装 ...

  10. banner无缝轮播【小封装】

    转载:http://www.qdfuns.com/notes/23446/d1691a1edf5685396813cc85ae6ab10f.html 一直在重复的写banner,写了了好几个,然后每次 ...