動态規劃與分治法相似,都是通過組合子問題的解來求解原問題。回顧下分治法的原理:它将問題劃分為互不相交的子問題(注意:互不相交),遞歸求解子問題,再将它們的解組合起來,即為原問題的解。
但是,動态規劃與分治法不同,有以下幾點:
1)對于子問題重疊的情況,分治法則重複求解,不高效。而動态規劃對每個子問題隻求解一次,因為它将子問題的解進行儲存,當遇到重複的子問題時,不再計算,隻需查找替代即可;
2)動态規劃對原問題的劃分存在n種子問題劃分的可能性,它需要從n種劃分中選擇最優解,故動态規劃常被用于求解最優化問題;
接下來,通過鋼條切割的案例展示動态規劃的運用。
1、鋼條切割
鋼條切割問題的描述:給定一段長度為n英寸的鋼條和一個價格表,求鋼條切割的方案,使得銷售收益最大化。
鋼條的長度和價格
length : 1 2 3 4 5 6 7 8 9 10
price : 1 5 8 9 10 17 17 20 24 30
問題的分解方式:将長度為n的鋼條切割分解為左邊開始一段i,以及對右邊剩餘長度為n-i的鋼條繼續切割(遞歸求解),對左邊的一段不再進行切割。于是,最大切割收益可以描述為: 接下來通過n=4的鋼條切割問題的子問題圖來說明重疊子問題。
上圖,n=4時的鋼條切割子問題圖。頂點的标号給出了子問題的規模。有向邊(x,y)表示求解x時需要子問題y的解。舉例:n=4時,它包含子問題n=3,2,1,0;n=3時,它包含子問題n=2,1,0。是以重疊的子問題即為n=2,1,0,故當求解了n=3的子問題,對于n=4時的其他子問題,如n=2,1,0不需要再次求解,隻需要查找替代即可。
2、鋼條切割問題的僞代碼
先來看自頂向下實作的切割。 MEMOIZED_CUT_ROD(p,n)
let r[0..n] be a new array
for i=0 to n
r[i]=-1
return Memorized_cut_rod_Aux(p,n,r);
Memorized_cut_rod_Aux(p,n,r)
if r[n]>=0
return r[n]
if n==0
q=0
else
q=-1
for i=1 to n
q=max(q,p[i]+Memorized_cut_rod_Aux(p,n-i,r))
r[n]=q
return q
本文對自頂向下的切割用C進行實作,但是這裡提及切割的另一個版本自底向上,下面是其僞代碼。 BOTTOM-UP-CUT-ROD(p,n)
let r[0..n]be a new array
r[0]=0
for j=1 to n
q=-1
for i=1 to j
q=max(q,p[i]+r[j-i])
r[j]=q
return r[n]
3、自頂向下算法實作
#include <stdio.h>
#include <stdlib.h>
#include <math.h>
int max(int x,int y)
{
return x>y ? x:y;
}
int Memorized_cut_rod_Aux(int p[], int n, int r[])
{
int q;
int i;
if (r[n]>=0)//prohibit over-calculate same question
{
return r[n];
}
if (n==0)
{
q=0;
}
else
{
q=-1;
for (i=1; i<=n; i++)
{
q=max(q,p[i]+Memorized_cut_rod_Aux(p,n-i,r));
}
}
r[n]=q;
return q;
}
int Memorized_cut_rod(int p[], int n)
{
int i;
int *r;
r=(int*)malloc(sizeof(int)*n);
for (i=0; i<n; i++)
{
r[i]=-1;
}
return Memorized_cut_rod_Aux(p,n,r);
}
void main()
{
//鋼條的長度和價格
// length : 1 2 3 4 5 6 7 8 9 10
// price : 1 5 8 9 10 17 17 20 24 30
int price[]={0,1,5,8,9};
int n=4;
printf("鋼條長度 is %d\n",n);
int value=0;
value=Memorized_cut_rod(price,n);
printf("profit is most: %d\n",value);
}
4、結果驗證
對n=4,本算法給出的收益是10,符合要求。對于其他長度,可自行驗證。