动态规划&备忘录方法&递归方法

judyge

墨衍会员 · AI 创作全网分发码龄12年

关注

转载最新推荐文章于 2024-03-01 11:58:55 发布 5.3k 阅读 AI 写同款· GEO 优化 ›

限时加码！20+主流AI编程工具免费用购周边加赠Coding Plan Lite，Claude Code、Cursor等即刻畅享，学习进阶更高效！阅读详情

动态规划的基本思想是，将原问题拆分为若干子问题，自底向上的求解。其总是充分利用重叠子问题，即通过每个子问题只解一次，把解保存在一个表中，巧妙的避免了子问题的重复求解。

递归方法，采用的是自顶向下的思想，拆分为若干子问题，但是造成了子问题的重复求解。

备忘录方法，采用的也是自顶向下的思想，但是该方法维护了一个记录子问题解的表，虽然填表动作的控制结构更像递归方法，但是的确避免了子问题的重复求解。

下面以字符串的相似度来展示一下各方法的特点：

动态规划

递归：略

备忘录：

[cpp]view plaincopy 
   
 #include <iostream>  
 #include <string>  
 #include <vector>  
 using namespace std;  
   
 const int N = 100;  
   
 int dist[N][N];  
   
 int minValue(int va, int vb, int vc)  
 {  
     int temp = va;  
   
     if(vb < temp)  
         temp = vb;  
     if(vc < temp)  
         temp = vc;  
   
     return temp;  
 }  
   
 int distance(string strA, int pABegin, int pAEnd, string strB, int pBBegin, int pBEnd)  
 {  
     if(dist[pABegin][pBBegin]>=0)  
         return dist[pABegin][pBBegin];  
   
     if (pABegin > pAEnd)  
     {  
         if(pBBegin > pBEnd)  
             dist[pABegin][pBBegin] = 0;  
         else  
             dist[pABegin][pBBegin] = pBEnd - pBBegin + 1;  
   
         return dist[pABegin][pBBegin];  
     }  
   
     if (pBBegin > pBEnd)  
     {  
         if(pABegin > pAEnd)  
             dist[pABegin][pBBegin] = 0;  
         else  
             dist[pABegin][pBBegin] = pAEnd - pBBegin + 1;  
   
         return dist[pABegin][pBBegin];  
     }  
   
     if (strA[pABegin]==strB[pBBegin])  
     {  
         dist[pABegin][pBBegin] = distance(strA, pABegin+1, pAEnd, strB, pBBegin+1, pBEnd);  
   
         return dist[pABegin][pBBegin];  
     }  
     else  
     {  
         int t1 = distance(strA, pABegin, pAEnd, strB, pBBegin+1, pBEnd);  
         int t2 = distance(strA, pABegin+1, pAEnd, strB, pBBegin, pBEnd);  
         int t3 = distance(strA, pABegin+1, pAEnd, strB, pBBegin+1, pBEnd);  
   
         dist[pABegin][pBBegin] = minValue(t1, t2, t3)+1;  
   
         return dist[pABegin][pBBegin];  
     }  
       
 }  
   
 int main()  
 {  
     string A;  
     string B;  
   
     cin>>A;  
     cin>>B;  
   
     for (int i=0; i<N; i++)  
         for(int j=0; j<N; j++)  
             dist[i][j] = -1;  
   
     cout<<distance(A, 0, A.length()-1, B, 0, B.length()-1);  
     return 0;  
 }  

当n=0时，f(n) = 0

当n=1时，f(n) = 1

当n>1时，f(n) = f(n-1) + f(n-2)

递归算法：

[cpp]view plaincopy 
   
 int fun(int n)  
 {  
     if(n <= 0)  
         return 0;  
     if(n == 1)  
         return 1;  
   
     return fun(n-1)+fun(n-2);  
 }  

备忘录方法：

[cpp]view plaincopy 
   
 #include <iostream>  
 using namespace std;  
   
 const int N = 100;  
 int f[N];  
   
 int fun(int n)  
 {  
     if(f[n]>=0)  
         return f[n];  
   
     if(n == 0)  
     {  
         f[0] = 0;  
         cout<<"0"<<endl;  
         return f[0];  
     }  
   
     if(n == 1)  
     {  
         f[1] = 1;  
         cout<<"1"<<endl;  
         return f[1];  
     }  
   
     cout<<n<<endl;  
     f[n] = fun(n-1) + fun(n-2);  
     return f[n];  
 }  
   
 int main()  
 {  
     for (int i=0; i<N; i++)  
         f[i] = -1;  
   
     cout<<fun(4);  
     return 0;  
 }  

由于计算的时候只需要前两个数即可，所以代码还可以继续优化。但是对于上述的备忘录方法貌似不能继续进行空间优化了(不知道对否，如果理解的不对请不吝赐教~)。

但是对于下面的方法（就称为遍历方法吧）,还是可以继续优化的。

[cpp]view plaincopy 
   
 #include <iostream>  
 using namespace std;  
   
 const int N = 100;  
 int f[N];  
   
 int main()  
 {  
       
     int n;  
     cin>>n;  
   
     for (int i=0; i<=n; i++)  
     {  
         if(i==0)  
             f[i] = 0;  
         else if(i==1)  
             f[i] = 1;  
         else  
             f[i] = f[i-1] + f[i-2];  
     }  
   
     cout<<f[n];  
   
     return 0;  
 }  

由于计算的时候只用了前两个数，所以没有必要使用数组。

[cpp]view plaincopy 
   
 #include <iostream>  
 using namespace std;  
   
 int main()  
 {  
     int n;  
     cin>>n;  
   
     int temp1, temp2, temp;  
     for (int i=0; i<=n; i++)  
     {  
         if(i==0)  
             temp1 = 0;  
         else if(i==1)  
             temp2 = 1;  
         else  
         {  
             temp = temp1 + temp2;  
             temp1 = temp2;  
             temp2 = temp;  
               
         }  
     }  
   
     cout<<temp;  
   
     return 0;  
 }  

总结：从代码中可以看出来，遍历方法实际上是一种自底向上的方法，而备忘录方法是一种自顶向下的方法，也许正由于这个原因造成了备忘录方法无法进行空间优化。(待证)

动态规划算法的基本要素：
1 最优子结构性质
当问题的最优解包含了其子问题的最优解时，称该问题具有最优子结构性质。
2 重叠子问题性质
动态规划算法对每个问题只解一次，将其解保存在一个表格中，当再次需要解此问题时，用常数时间查看一下结果。因此，用动态规划算法通常只需要多项式时间。

备忘录方法：
•用一个表格来保存已解决的子问题的答案，用的时候查表即可。
•采用的递归方式是自顶向下。
•控制结构与直接递归相同，区别在于备忘录方式为每个解过的子问题建立备忘录。
•初始化为每个子问题的记录存入一个特殊的值，表示并未求解。在求解过程中，查看相应记录如果是特殊值，表示未求解，否则只要取出该子问题的解答即可。

备忘录方法与动态规划和递归的区别：

1、动态规划是自低向上，备忘录方法是自顶向下，递归是自顶向下

2、动态规划每个子问题都要解一次，但不会求解重复子问题；备忘录方法只解哪些确实需要解的子问题；递归方法每个子问题都要解一次，包括重复子问题• 。

动态规划解矩阵连乘问题

#include<iostream>
using namespace std;
void metrixchain(int n,int p[],int **s,int **m)
{
for(int i=0;i<n;i++)
m[i][i]=0;
for(i=2;i<=n;i++)    //小于等于n
{
for(int j=0;j<n-i+1;j++) //横坐标
{ int k=j+i-1;   //纵坐标
m[j][k]=m[j+1][k]+p[j]*p[k+1]*p[j+1];s[j][k]=j;
for(int t=j+1;t<k;t++)
{
   int u=m[j][t]+m[t+1][k]+p[j]*p[t+1]*p[k+1];
   if(u<m[j][k])
   {
    m[j][k]=u;s[j][k]=t;
   }
}
}
}
}
void Traceback(int i, int j, int ** s)
{
if (i==j||i==j-1) return;
cout<<"divide after metrix "<<s[i][j]<<endl;
Traceback(i, s[i][j], s);
Traceback(s[i][j]+1,j , s);
}

int main()
{
int p[]={30,35,15,5,10,20,25};
int **s=new int*[6];
for(int i=0;i<6;i++)
s[i]=new int[6];
int **m=new int*[6];
for( i=0;i<6;i++)
m[i]=new int[6];
metrixchain(6,p,s,m);
for( i=0;i<6;i++)
{ for( int j=i;j<6;j++)
cout<<m[i][j]<<" ";
cout<<endl;
}
Traceback(0,5,s);
return 0;