动态规划
我在学习算法的时候,就被动态规划搞得是一头雾水,这几日终于是弄明白是怎么回来。
明白之后我才发觉我以前就碰到过一道ACM题,大意是这样的:
有这样形式的一种排列:
例如:
7
3
8
8 1 0
2 7 4 4
4 5
2 6
5
从顶至下找一条路径,使得这条路径上的数字之和最大,而且每一步只能向左下或右下找,直到到最后一行。
比如:第二行的3只能找第三行8或者1。
上面例子的最大一条路径是:7-3-8-7-5;总和30(原题:http://acm.fzu.edu.cn/problem.php?pid=1004)
如果按照贪婪算法,从上往下找,则最佳路径应该是7-8-1-7-5;总和28
可见贪婪算法在此是行不通的。我们可以试着从下往上找,倒数两行:
2 7 4
4
4 5 2 6
5
我们先对最后一行相邻的两个数字进行比较,大的加到上一行的数字上。则4-5比较5较大则倒数第二行2+5;
5-2比较5较大,则倒数第二行7+5,如此类推:则倒数第二行就是:
7 12 10 10;
然后依此类推:直到第一行,就得到了最大的和,当然原题没有要求我们找路径,所以不用记录路径.
其实这就是一种动态规划的应用。
它与贪婪法的区别,在此也能明显地看出:
1:贪婪法,采取的是自顶向下,逐步找局部最优,从而来达到,整体最优.
而动态规划则是从下往上倒推,
2:贪婪法,在进行决策时并不依赖于上一步的决策。每一步的决策都是单独的,确定的,不可回遡的。
比如在找第一行7的下一个节点,那肯定是第二行的8,它是确定的,不可回遡的。而第二行的8的下一个结点肯定是1,它并不依赖于上一步的决策,
而动态规划则是不同的,它的每一步进行决策时是依赖于上一步的决策的。每一步的决策的相关的,是可回遡的。
比如在找第一行7的下一个节点,它能有两个种决策,一个是第二行的3,一个是第二行的8。由于有这两种可能性,所以在进行,第二行至第三行的决策的时候,是依赖于上一步决策的。而且由于每一次决策所以产生的可能的状态,都被保荐着,所以当所以找的决策不是最优决策时,可以回遡。
越说越麻烦了,一句话,就是动态规划其实是以牺牲空间来换取决策的正确性.
The
Triangle
Description 3 8 8 1 0 2 7 4 4 4 5 2 6 5 (Figure 1) Input Your program is to read from standard input.
The first line contains one integer N: the number of rows in the triangle.
The following N lines describe the data of the triangle. The number of
rows in the triangle is > 1 but <= 100. The numbers in the triangle,
all integers, are between 0 and 99.
Output Your program is to write to standard output.
The highest sum is written as an integer.
Sample Input 5
7
3 8
8 1 0
2 7 4 4
4 5 2 6 5 Sample Output 30
Source |
import java.util.Scanner;
public class Main{
public static void main(String []args){
Scanner scanner=new Scanner(System.in);
int n;
n=scanner.nextInt();
int mar[][]=new int[n+1][n+1];
for(int i=0;i<n;i++){
for(int j=0;j<=i;j++){
mar[i][j]=scanner.nextInt();
}
}
int max=0;
for(int i=n-2;i>=0;i--){
for(int j=0;j<=i;j++){
max=mar[i+1][j]>mar[i+1][j+1]?mar[i+1][j]:mar[i+1][j+1];
mar[i][j]+=max;
}
}
System.out.println(mar[0][0]);
}
}
【动态规划初级】动态规划入门 poj1163 The Triangle,布布扣,bubuko.com
【动态规划初级】动态规划入门 poj1163 The Triangle
原文:http://www.cnblogs.com/zhaokongnuan/p/3230fb662283a83cc6c1082bfbeb64ae.html