python动态规划详解_python----动态规划

不能放弃治疗,每天都要进步!!

什么时候使用动态规划呢?

1. 求一个问题的最优解

2. 大问题可以分解为子问题,子问题还有重叠的更小的子问题

3. 整体问题最优解取决于子问题的最优解(状态转移方程)

4. 从上往下分析问题,从下往上解决问题

5. 讨论底层的边界问题

实例1:割绳子问题

题目:给你一根长度为n的绳子,请把绳子剪成m段 (m和n都是整数,n>1并且m>1)每段绳子的长度记为k[0],k[1],…,k[m]. 请问k[0]k[1]…*k[m]可能的最大乘积是多少?例如,当绳子的长度为8时,我们把它剪成长度分别为2,3,3的三段,此时得到的最大乘积是18.

思路:f(n)=max{f(i)f(n-i)},想发与实现是2个方法,想的时候是递归,实现的时候是从底层至最上面。

实现:1米最1,2米最大是2,3米最大是3,4米最大是4,依次类推,求n米的最大切割

算法复杂度O(n2)

ContractedBlock.gif

ExpandedBlockStart.gif

#-*- coding: utf-8 -*

defmaxCutString(length):#这三行代表输入的绳子长度为1,2,3时,发生切割动作,最大的乘积

if length < 2:return0if length == 2:return 1

if length == 3:return 2

#绳子不断切割,当切割到长度为1,2,3时,不能继续切割,直接返回1,2.3

arr=[0,1,2,3]#记录绳子长度为i时候的最大乘积arr[i]

for i in range(4,length+1):

maxs=0for j in range(1,i/2+1):

mult=arr[j]*arr[i-j]if maxs

maxs=mult

arr.append(maxs)returnarr[length]print maxCutString(8)

View Code

实例2:最大连续子项和

思路:

实现:maxtmp记录临时子项和,遇到的每一个数不断累加;当maxtmp为负时,清空,从下一个数开始,从新累加;当累加的数大于maxsum时,将值赋给maxsum

复杂度:O(n)

ContractedBlock.gif

ExpandedBlockStart.gif

#-*- coding: utf-8 -*#!usr/bin/python

defmaxSum(lists):

maxsum=0

maxtmp=0for i inrange(len(lists)):if maxtmp<=0:

maxtmp=lists[i]else:

maxtmp+=lists[i]if maxtmp >maxsum:

maxsum=maxtmpreturnmaxsum

lists=[1,3,-3,4,-6,5]print maxSum(lists)

View Code

还有一种暴力求解,双层遍历,复杂度O(n2)

ContractedBlock.gif

ExpandedBlockStart.gif

#-*- coding: utf-8 -*#!usr/bin/python

defmaxSum(lists):

maxsum=0for i inrange(len(lists)):

maxtmp=0for j inrange(i,len(lists)):

maxtmp+=lists[j]if maxtmp >maxsum:

maxsum=maxtmpreturnmaxsum

lists=[1,3,-3,4,-6,5]print maxSum(lists)

View Code

实例3:放苹果

把M个同样的苹果放在N个同样的盘子里,允许有的盘子空着不放,问共有多少种不同的分法?(用K表示)5,1,1和1,5,1 是同一种分法。

思路:f(m,n) =f(m,n-1)+f(m-n,n)

设f(m,n) 为m个苹果,n个盘子的放法数目,则先对n作讨论,

当n>m:必定有n-m个盘子永远空着,去掉它们对摆放苹果方法数目不产生影响。即if(n>m) f(m,n) = f(m,m)

当n<=m:不同的放法可以分成两类:

1、有至少一个盘子空着,即相当于f(m,n) = f(m,n-1);

2、所有盘子都有苹果,相当于可以从每个盘子中拿掉一个苹果,不影响不同放法的数目,即f(m,n) = f(m-n,n).

而总的放苹果的放法数目等于两者的和,即 f(m,n) =f(m,n-1)+f(m-n,n)

递归出口条件说明:

1.当n=1时,所有苹果都必须放在一个盘子里,所以返回1;

2.当没有苹果可放时,定义为1种放法;

递归的两条路,第一条n会逐渐减少,终会到达出口n==1;

第二条m会逐渐减少,因为n>m时,我们会return f(m,m) 所以终会到达出口m==0

ContractedBlock.gif

ExpandedBlockStart.gif

#!usr/bin/python

deff(m,n):if (m==0 or n==1):return 1

if m

lines=map(int,raw_input().strip().split())print f(lines[0],lines[1])

View Code

实例四:青蛙跳台阶问题

1.如果青蛙可以一次跳 1 级,也可以一次跳 2 级。问要跳上第 n级台阶有多少种跳法?

思路:f(n)=f(n-1)+f(n-2) 第n级别只能由n-1级别和第n-2级别的青蛙跳到

ContractedBlock.gif

ExpandedBlockStart.gif

#-*- conding: utf-8 -*#递归解法

deff(n):if n==1:return 1

elif n==2:return 2

else:return f(n-1)+f(n-2)print f(8)#自下到上解法

deff2(n):

arr=[0,1,2]for i in range(3,n+1):

tmp=arr[i-1]+arr[i-2]

arr.append(tmp)returnarr[n]print f2(8)

View Code

2.如果青蛙可以一次跳 1 级,也可以一次跳 2 级,一次跳 3 级,…,一次跳 nn 级。问要跳上第 n级台阶有多少种跳法?

ContractedBlock.gif

ExpandedBlockStart.gif

#.*. coding:utf-8 -*#递归解法

deff(n):if n==1:return 1

else:return 2*f(n-1)print f(8)#自下而上解法

deff2(n):

arr=[0,1,2]for i in range(3,n+1):

tmp=2*arr[i-1]

arr.append(tmp)returnarr[n]print f2(8)

View Code

你可能感兴趣的:(python动态规划详解)