基础算法之动态规划
2017-01-30 22:42
295 查看
动态规划
在网上看到两个很棒的教程。
第一个和书上的讲解方式不同,却易于理解,通过黄金矿工模型引出,使人眼前一亮,很适合初学者。
http://www.cnblogs.com/sdjl/articles/1274312.html
第二个逐层深入,分初中高级,重点讲解什么是状态,怎样确定状态转移方程。
http://www.360doc.com/content/13/0601/00/8076359_289597587.shtml
切入点:
由问题分解出两个子问题(最优子结构),子问题独立,两两不相互影响。
子问题重叠——算法设计(每次调用传递的参数)
边界处理,动态规划解决问题的关键
抽象出:状态 和 状态转移方程
初识问题:
http://songlee24.github.io/2014/11/27/dynamic-programming/
神奕的博客,分为这几个部分,逐层深入,介绍DP。
1. 最大字段和
2. 最长公共子序列 LCS
3. 最长递增子序列 LIS
4. 最大子矩阵
http://blog.csdn.net/niteip/article/details/7444973
4000
/pre>
1、序列str1和序列str2
·长度分别为m和n;
·创建1个二维数组L[m.n];
·初始化L数组内容为0
·m和n分别从0开始,m++,n++循环:
- 如果str1[m] == str2
,则L[m,n] = L[m - 1, n -1] + 1;
- 如果str1[m] != str2
,则L[m,n] = max{L[m,n - 1],L[m - 1, n]}
·最后从L[m,n]中的数字一定是最大的,且这个数字就是最长公共子序列的长度
·从数组L中找出一个最长的公共子序列
2、从数组L中查找一个最长的公共子序列
http://blog.csdn.net/hackbuteer1/article/details/6686925
i和j分别从m,n开始,递减循环直到i = 0,j = 0。其中,m和n分别为两个串的长度。
·如果str1[i] == str2[j],则将str[i]字符插入到子序列内,i–,j–;
·如果str1[i] != str[j],则比较L[i,j-1]与L[i-1,j],L[i,j-1]大,则j–,否则i–;(如果相等,则任选一个)
、
回溯打印出LCS(java实现)
在网上看到两个很棒的教程。
第一个和书上的讲解方式不同,却易于理解,通过黄金矿工模型引出,使人眼前一亮,很适合初学者。
http://www.cnblogs.com/sdjl/articles/1274312.html
第二个逐层深入,分初中高级,重点讲解什么是状态,怎样确定状态转移方程。
http://www.360doc.com/content/13/0601/00/8076359_289597587.shtml
切入点:
由问题分解出两个子问题(最优子结构),子问题独立,两两不相互影响。
子问题重叠——算法设计(每次调用传递的参数)
边界处理,动态规划解决问题的关键
抽象出:状态 和 状态转移方程
初识问题:
http://songlee24.github.io/2014/11/27/dynamic-programming/
神奕的博客,分为这几个部分,逐层深入,介绍DP。
1. 最大字段和
2. 最长公共子序列 LCS
3. 最长递增子序列 LIS
4. 最大子矩阵
Hdu 1087 最大字段和
这里附上一个讲解链接,讲解透彻。http://blog.csdn.net/niteip/article/details/7444973
#include <stdio.h> #define MAX 1010 int a[MAX]; int sum[MAX]; int main() { int N,mark,i,j,Amax,ans; while(scanf("%d",&N) && N!=0){ ans = 0; for(i = 0; i<N; i++){ scanf("%d",&a[i]); sum[i] = a[i]; for(j = 0; j<i; j++){ if(a[j]<a[i] && sum[i]<sum[j]+a[i]) sum[i] = sum[j]+a[i]; }//for j } for(i = 0; i<N; i++) if(ans<sum[i]) ans = sum[i]; printf("%d\n",ans); }//while return 0; } LIS*1 LCS*1 复杂数塔 两道背包 状态DP 树形DP 数位 贪心<
4000
/pre>
最长公共子序列LCS
动态规划方法1、序列str1和序列str2
·长度分别为m和n;
·创建1个二维数组L[m.n];
·初始化L数组内容为0
·m和n分别从0开始,m++,n++循环:
- 如果str1[m] == str2
,则L[m,n] = L[m - 1, n -1] + 1;
- 如果str1[m] != str2
,则L[m,n] = max{L[m,n - 1],L[m - 1, n]}
·最后从L[m,n]中的数字一定是最大的,且这个数字就是最长公共子序列的长度
·从数组L中找出一个最长的公共子序列
2、从数组L中查找一个最长的公共子序列
http://blog.csdn.net/hackbuteer1/article/details/6686925
i和j分别从m,n开始,递减循环直到i = 0,j = 0。其中,m和n分别为两个串的长度。
·如果str1[i] == str2[j],则将str[i]字符插入到子序列内,i–,j–;
·如果str1[i] != str[j],则比较L[i,j-1]与L[i-1,j],L[i,j-1]大,则j–,否则i–;(如果相等,则任选一个)
、
回溯打印出LCS(java实现)
int count = 0; for(int j = 0; j<y.length; j++) for(int i = 0; i<x.length; i++){ if(d[i][j]==0 && L[i][j]==(count+1)){ c[count] = x[i]; count++; break; } } C =String.copyValueOf(c); System.out.println(C);HDU 1559 最大子矩阵
树形DP题目分类总结http://blog.csdn.net/liuqiyao_01/article/details/8477730POJ 2343 树形DP(1)入门 Anniversary Party
https://vjudge.net/problem/POJ-2342
题意:某公司要举办一次晚会,但是为了使得晚会的气氛更加活跃,每个参加晚会的人都不希望在晚会中见到他的直接上司,现在已知每个人的活跃指数和上司关系(当然不可能存在环),求邀请哪些人(多少人)来能使得晚会的总活跃指数最大。
思路:
任何一个点的取舍可以看作一种决策,那么状态就是在某个点取的时候或者不取的时候,以他为根的子树能有的最大活跃总值。分别可以用f[i,1]和f[i,0]表示第i个人来和不来。
当i来的时候,dp[i][1] += dp[j][0];//j为i的下属
当i不来的时候,dp[i][0] +=max(dp[j][1],dp[j][0]);//j为i的下属
dp[i][0]/dp[i][1] 的取值表示i来或者不来,有他们的子树根节点的相应值决定。所以应该在dp函数中用回溯的方法。#include <stdio.h> #include <string.h> #include <math.h> #define max(a,b) ( ((a)>(b)) ? (a):(b) ) int dp[6005][2],father[6005],vis[6005],N; void dp_tree(int root){ int i; vis[root] = 1; for(i = 1; i<=N ;i++){ if(vis[i]==0 && father[i] == root){ dp_tree(i); dp[root][0] += max(dp[i][0],dp[i][1]); dp[root][1] += dp[i][0]; } //if }//for } int main(){ int i,root,l,k; while(scanf("%d",&N)!=EOF){ memset(dp,0,sizeof(dp)); memset(vis,0,sizeof(vis)); memset(father,0,sizeof(father)); root = 0; for(i = 1; i<=N; i++){ scanf("%d",&dp[i][1]); } while(scanf("%d%d",&l,&k)&& k+l>0){ father[l] = k; } dp_tree(root); printf("%d\n",max(dp[root][0],dp[root][1])); } return 0; }
AC代码。题目很水,网上一个题解,数组每一次都没有初始化,同样的数测试多遍结果都不一样,都可以过。。。想说的一点是tree_dp()的起点root的处理:初始化为零,而且到最后只有根结点的father值没有被改变过,巧妙地得出根节点的位置。
开始时候忘了加!=EOF,然后OLTHDU 1011 树形DP(2)
对于每个房间,除去它本身所需要的士兵,其他的士兵就可以提供给它的子房间进行选择,子房间将其最优的选择提供给父节点,父节点通过子房间的解得到最优解。
树状DP,与其他不同的也就是添加进了树的元素,每个元素的选择有了限制,就变成了父元素与其子元素的最优解。
定义dp[i][j]默示根结点为i时,用掉j个士兵获得的最大possible。
dp[i][j] = max(dp[i][j], dp[i][j-k] + dp[son[i]][k]);
递归的求出dp[son[i]][k]的值。最后成果就是dp[1][m];
多个son的分组背包用一个静态链表存放,有一些难理解,过后参考一下别人的处理方式做一个优化。#include <stdio.h> #include <string.h> #include <math.h> #define max(a,b) ( ((a)>(b)) ? (a):(b) ) #define MAX_LEN 105 int N,M,j,k,p[MAX_LEN],son[MAX_LEN],bug[MAX_LEN],vis[MAX_LEN],dp[MAX_LEN][MAX_LEN]; struct lists{ int now; int next; }List[MAX_LEN]; void dp_tree(int root){ int cost[MAX_LEN],s,i; vis[root] = 1; for(i = List[son[root]].now; i>0; i = List[son[root]].next){ cost[i] = (bug[i]+19)/20; k -= cost[i]; while(!vis[i]) { printf("i = %d",i); dp_tree(i); dp[i][j] = max(dp[i][j],dp[son[i]][k]); } printf("1"); } printf("dp[1] = %d\t",dp[1] ); } int main(){ int i,c,f,spare; while(scanf("%d%d",&N,&M)!=EOF && f+c>-2){ j = N; memset(vis,0,sizeof(vis)); memset(son,0,sizeof(son)); //InitList for(i=0; i<MAX_LEN - 1; i++) { List[i].next = i + 1; List[i].now = 0; } List[MAX_LEN-1].next = 0; List[MAX_LEN-1].now = 0; for(i = 1; i<=N; i++) { scanf("%d%d",&bug[i],&p[i]); printf("read\n"); } spare = 0; printf("M = %d",M); if(M==1) if( N>=(bug[1]+19)/20 ) printf("%d\n",p[1]); else printf("0\n"); else { for(i = 1; i<N; i++) { scanf("%d%d",&f,&c); spare = List[0].next; List[0].next = List[spare].next; List[spare].now = c; List[spare].next = son[f]; son[f] = spare; } dp_tree(1); printf("%d\n",dp[1][M]); } } return 0; }
//未完待更,代码先存一下
hdu上25道动规 密码zafu
http://acm.hdu.edu.cn/webcontest/contest_show.php?cid=1264
解题报告:
http://wenku.baidu.com/link?url=1MJCBSc3Aw0vbdZI2aOx1wDEXOfdrGSr_I-nsR0DVpbjLZFwOG4LxTP839A66N8SFqKFRfmBuKMUcqSgqq9JyGCc_eY2v6htLcQVZIGOULm
相关文章推荐
- 基础算法(三)动态规划和贪心算法
- 动态规划2-最长上升子序列(算法基础 第5周)
- 基础算法之动态规划
- zjnu(1183)——括号序列【基础算法・动态规划】——高级
- 动态规划:最长上升子序列之基础(经典算法 n^2)
- 基础算法系列总结:动态规划(解公司外包成本问题)
- 动态规划1-滑雪(算法基础 第4周)
- 算法:动态规划基础
- 算法基础之python实现动态规划中数字三角形和最长上升子序列问题
- 动态规划-背包的基础上进行模拟 2018年全国多校算法寒假训练营练习比赛(第二场)牛客网B题
- 基础算法系列总结:动态规划(解公司外包成本问题)
- zjnu1181 石子合并【基础算法・动态规划】——高级
- 流水线调度问题实现(动态规划基础---------问题取自算法导论)
- 算法基础(4)动态规划之最长子序列
- 算法实验之动态规划
- 【算法复习二】货郎担(旅行售货商)动态规划
- 动态规划——通配符匹配算法
- 【算法导论】第15章动态规划
- 【算法复习二】货郎担(旅行售货商)动态规划
- 动态规划_背包问题基础