动态规划与贪婪算法
动态规划问题特点
- 求一个问题的最优解
- 整体问题的最优解依赖各子问题的最优解
- 大问题分解为若干个小问题,小问题之间有互相重叠的更小的子问题。
- 因为子问题在分解大问题的过程中重复出现,为避免重复求解,从下往上的顺序计算小问题并存储。从上往下分析问题,从下往上求解问题。
贪婪算法问题特点
- 每一步都做出贪婪的选择,基于该选择,可以确定得到最优解
- 需要用数学方式证明贪婪选择的正确性
剪绳子
给你一根长度为n的绳子,请把绳子剪成整数长的m段(m、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]xk[1]x…xk[m]可能的最大乘积是多少?例如,当绳子的长度是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。
输入描述:
输入一个数n,意义见题面。(2 <= n <= 60)
输出描述:
输出答案。
示例1 输入
8
输出
18
动态规划
存储前一步计算出的f(4), f(5), f(n-i)的最优结果。
class Solution {
public:
int cutRope(int number) {
if(number<2) return 0;
if(number==2) return 1;
if(number==3) return 2;
int *results = new int[number+1];
results[0] = 0;
results[1] = 1;
results[2] = 2; //2的长度
results[3] = 3; //3的长度
for(int i=4; i<=number; ++i)
{
int max = 0;
for(int cj=1; cj<=i/2; ++cj)
{
if(results[cj]*results[i-cj]>max)
max = results[cj]*results[number-cj];
}
results[i] = max;
}
int res = results[number];
delete[] results;
return res;
}
};
贪婪算法
尽量剪3的,余数为0或1或2,因为余数为1,实际最后一次减3时,余4,此时,对半剪更好。
class Solution {
public:
int cutRope(int number) {
if(number<2) return 0;
if(number==2) return 1;
if(number==3) return 2;
int timesof3 = number/3;
int remainder = number%3;
if(remainder==1)
--timesof3;
int timesof2 = (number-3*timesof3)/2;
return pow(3, timesof3)* pow(2, timesof2);
}
};