作為乙個菜雞,研究了幾天的dp,把經典例題研究了幾遍,現在,我在這發表一下自己的菜雞見解,記錄下我對dp的理解。
dp裡面少不了遞迴,當然也能混在搜尋裡面構成記憶化搜尋作為優化,也可以用遞推來動態規劃。
具體你要我說動態規劃是個什麼東西,我也只能說說自己的理解:
滿足條件:
綜上,這個動態規劃很重要的就是記憶化的操作。
接下來是我學習dp的第一道入門題目
5//三角形的行數。下面是三角形
73 8
8 1 0
2 7 4 4
4 5 2 6 5
輸出最大和
題目解析:
假定maxsum(i,j)表示從i,j這個點到最後一行的最大和
d(i,j)表示i行j列的數字大小
先設初始值i與j都為0,表示從(0,0)這個點開始到最後一行的最大和。
那麼可以分解為(0,0)的下和右下兩個點到底部的最大和,其中最大的乙個數加上d(0,0)本身的數字
能夠得到:maxsum(i,j)=maxsum( maxsum(i-1,j) , maxsum(i-1,j-1) )+d(i,j)
這樣就能得到初步**:
上面這個**對於n比較小的情況是可行的,但是,時間複雜度是2的n次方級別,因為其中遞迴呼叫涉及到了重複計算,比如下圖的紅色數字為計算次數。#include
using
namespace std;
#define max 101
int d[max]
[max]
;int n;
intmaxsum
(int i,
int j)
intmain()
} cout<<
maxsum(1
,1)<
}
那麼怎樣進行優化呢?
因為是重複計算,所以我們只需要對於重複計算的情況儲存下來,下次要用到這個重複計算的值的時候,直接呼叫就可以了。這樣就會大大節省時間。優化時間複雜度。
優化步驟:
以下是優化**
#include
#include
using
namespace std;
int d[
105]
[105];
int n;
int maxarray[
105]
[105]=
;int max;
intdg
(int x,
int y)
return maxarray[x]
[y];
}int
main()
} cout<
0,0)
;}
動態規劃入門 數字三角形
給定乙個由n行數字組成的數字三角形,如下圖所示 從上到下最大的值的總和。這道題在動態規劃裡是入門級的題目,運用到了遞迴。對於這道題共有兩個思路,第一種是從上向下推,第二種是從下向上推。先從第一種分析。我們設這個二維陣列為dp,在推導的時候我們先把遞的公式寫出來,從上向下退的話,zui a i j m...
數字三角形(動態規劃入門題)
題目描述 7 3 88 1 0 2 7 4 4 4 5 2 6 5 圖1 圖1給出了乙個數字三角形。從三角形的頂部到底部有很多條不同的路徑。對於每條路徑,把路徑上面的數加起來可以得到乙個和,你的任務就是找到最大的和。輸入的是一行是乙個整數n 1 n 100 給出三角形的行數。下面的n行給出數字三角形...
動態規劃 數字三角形
如圖所示的數字三角形,從頂部出發,在每一結點可以選擇向左走或得向右走,一直走到底層,要求找出一條路徑,使路徑上的值最大。第一行是數塔層數n 1 n 100 第二行起,按數塔圖形,有乙個或多個的整數,表示該層節點的值,共有n行。輸出最大值。5 1311 8 12 7 26 6 14 15 8 12 7...