动态规划法(九)想要更多例子?

  本文将会介绍三个用动态规划法解决的例子,分别是:

  • 楼梯台阶问题
  • 二项式系数求解
  • 最大乘积子数组问题

楼梯台阶问题

一个n阶的楼梯,一个婴儿每次爬一阶或两阶,试问一共有多少种办法爬完楼梯。

设f(n)为该问题的解,考虑最后一次的爬法,若最后一次爬一阶,则前面n-1阶楼梯有f(n-1)种办法,若最后一次爬两阶,则前面n-2阶楼梯有f(n-2)种办法,因此:
$$f(n)=f(n-1)+f(n-2).$$
f(1)=1,f(2)=2,f(3)=3,....该数列为斐波那契数列,可以参考博客动态规划法(一)从斐波那契数列谈起用动态规划法进行求解。

一个n阶的楼梯,一个婴儿每次爬一阶或两阶或三阶台阶,试问一共有多少种办法爬完楼梯。

同上面的解法一样,有:
$$f(n)=f(n-1)+f(n-2)+f(n-3).$$
其中,f(1)=1,f(2)=2,f(3)=4. 可以参考博客动态规划法(二)找零钱问题用动态规划法进行求解。

二项式系数求解

  对于二项式系数,有如下等式:
$$C_{n}{k}=C_{n-1}{k}+C_{n-1}^{k-1}.$$
再结合$C_{n}{0}=1,C_{n}{1}=n$对该问题用动态规划法进行求解,本质上这也是一个递归关系式。Python代码如下:

import numpy as np

def binomial(n, k):

    if k == 0:
        return 1
    elif k == 1:
        return n
    else:
        table = np.array([[0] * (k + 1)] * n, dtype='int64')
        for i in range(n):
            table[i, 0] = 1
            table[i, 1] = i + 1

        for i in range(n):
            for j in range(2, k+1):
                if i+1 < j:
                    table[i, j] = 0
                else:
                    table[i, j] = table[i-1, j] + table[i-1, j-1]

        return table[n-1, k]

t = binomial(50, 10)
print(t)

最大乘积子数组问题

  所谓的最大乘积子数组问题,指的是:给定一个数组A,寻找A的乘积最大的非空连续子数组。比如,数组 A = [-2, -3, 4], 最大乘积子数组应为A,其和为24。
  在博客动态规划法(八)最大子数组问题(maximum subarray problem)中,我们已经用动态规划法解决了最大子数组问题。对于最大乘积子数组问题,我们也可以类似地用动态规划法解决。但是,对于A中元素均为正数的情形,可以有更简单的方法。
  首先对A中元素去对数,则原问题等价于最大子数组问题,找出最大和后,再用指数作用,就能得到A中元素均为正数的最大乘积子数组问题的解。其Python代码如下:

from math import log2, pow

# using dynamic programming to slove maximum subarray problem
def DP_maximum_subarray(old_arr):

    # 对原数组取底为2的对数
    arr = [log2(x) for x in old_arr]

    # 对新数组求解最大子数组问题
    # 并求出该子数组的开始坐标(begin_index)和结束坐标(end_index)
    t = len(arr)
    MS = [0]*t # 初始化MS数组
    MS[0] = arr[0] # 动态规划法的初始值

    # 动态规划法的子结构
    for i in range(1, t):
        MS[i] = max(MS[i-1]+arr[i], arr[i])

    # 求解该子数组的开始坐标(begin_index)和结束坐标(end_index)
    end_index = MS.index(max(MS))
    begin_index = end_index
    sum = arr[end_index]
    while abs(sum- max(MS)) > pow(10, -5):
        begin_index -= 1
        sum += arr[begin_index]

    return begin_index, end_index, pow(2, max(MS))

a = [1/2, 4, 1/2, 16, 1/8, 32, 2, 1/16]
begin_index, end_index, max_product = DP_maximum_subarray(a)
print([begin_index, end_index, max_product])

输出结果为:

[1, 6, 256.0]

最大乘积子数组问题的最大乘积为256,子数组开始坐标为1,结束坐标为6,因此子数组为[4, 1/2, 16, 1/8, 32, 2]。

注意:本人现已开通两个微信公众号: 用Python做数学(微信号为:python_math)以及轻松学会Python爬虫(微信号为:easy_web_scrape), 欢迎大家关注哦~~

©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • 动态规划(Dynamic Programming) 本文包括: 动态规划定义 状态转移方程 动态规划算法步骤 最长...
    廖少少阅读 3,322评论 0 18
  • 路灯下,奶奶手提一个大袋子踉跄着出现在我的视野中。第三次了,这个月她来给我们家送东西。猛的想起多年前的一个晚上,爷...
    冂土口口土冂阅读 235评论 0 1
  • 高智商,就意味着能做出正确的、好的决策? 错! 研究表示,公认的聪明人在决策的正确率方面与普通人无异,有时候也会:...
    日月谈谈阅读 201评论 0 0
  • 简介 记录linux上的服务情况 查看服务是否启动 ps aux | grep rsyslogsystemctl ...
    code_nerd阅读 821评论 0 0