动态规划 数字三角形：例题一、数字三角形(POJ1163)
在上面的数字三角形中寻找一条从顶部到底边的路径，使得 路径上所经过的数字之和最大。路径上的每一步都只能往左下或 右下走。只需要求出这个最大和即可，不必给出具体路径。 三角形的行数大于1小于等于100，数字为 0 - 99。
输入格式：
解题思路：
数字三角形的递归程序:
改进：
如果每算出一个MaxSum(r,j)就保存起来，下次用 到其值的时候直接取用，则可免去重复计算。那么 可以用O(n2 )时间完成计算。因为三角形的数字总 数是 n(n+1)/2。
数字三角形的记忆递归型动归程序：
递归转成递推：
递归转成递推：
空间优化 进一步考虑，连maxSum数组都可以不要，直接用D的 第n行替代maxSum即可。 节省空间，时间复杂度不变。
递归到动规的一般转化方法 递归函数有n个参数，就定义一个n维的数组，数组 的下标是递归函数参数的取值范围，数组元素的值 是递归函数的返回值，这样就可以从边界值开始， 逐步填充数组，相当于计算递归函数值的逆过程。
动规解题的一般思路
1. 将原问题分解为子问题 把原问题分解为若干个子问题，子问题和原问题形式相同 或类似，只不过规模变小了。子问题都解决，原问题即解 决(数字三角形例）。 子问题的解一旦求出就会被保存，所以每个子问题只需求 解一次。
2. 确定状态 在用动态规划解题时，我们往往将和子问题相 关的各个变量的一组取值，称之为一个“状 态”。一个“状态”对应于一个或多个子问题， 所谓某个“状态”下的“值”，就是这个“状 态”所对应的子问题的解。 32 动规解题的一般思路 2. 确定状态 所有“状态”的集合，构成问题的“状态空间”。“状态 空间”的大小，与用动态规划解决问题的时间复杂度直接相关。 在数字三角形的例子里，一共有N×(N+1)/2个数字，所以这个 问题的状态空间里一共就有N×(N+1)/2个状态。 整个问题的时间复杂度是状态数目乘以计算每个状态所需 时间。 在数字三角形里每个“状态”只需要经过一次，且在每个 状态上作计算所花的时间都是和N无关的常数。 33 动规解题的一般思路 2. 确定状态 用动态规划解题，经常碰到的情况是，K个整型变量能 构成一个状态（如数字三角形中的行号和列号这两个变量 构成“状态”）。如果这K个整型变量的取值范围分别是 N1, N2, ……Nk，那么，我们就可以用一个K维的数组 array[N1] [N2]……[Nk]来存储各个状态的“值”。这个 “值”未必就是一个整数或浮点数，可能是需要一个结构 才能表示的，那么array就可以是一个结构数组。一个 “状态”下的“值”通常会是一个或多个子问题的解。 34 动规解题的一般思路
3. 确定一些初始状态（边界状态）的值 以“数字三角形”为例，初始状态就是底边数字，值 就是底边数字值。 35 动规解题的一般思路。
4. 确定状态转移方程 定义出什么是“状态”，以及在该 “状态”下的“值”后，就要 找出不同的状态之间如何迁移――即如何从一个或多个“值”已知的 “状态”，求出另一个“状态”的“值”(“人人为我”递推型)。状 态的迁移可以用递推公式表示，此递推公式也可被称作“状态转移方 程”。 数字三角形的状态转移方程: 36 能用动规解决的问题的特点 1) 问题具有最优子结构性质。如果问题的最优解所包含的 子问题的解也是最优的，我们就称该问题具有最优子结 构性质。
2) 无后效性。当前的若干个状态值一旦确定，则此后过程 的演变就只和这若干个状态的值有关，和之前是采取哪 种手段或经过哪条路径演变到当前的这若干个状态，没 有关系。
热门跟贴