《算法导论》学习(十七)----动态规划之钢条切割(C语言)

这篇具有很好参考价值的文章主要介绍了《算法导论》学习(十七)----动态规划之钢条切割(C语言)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。


前言

本文主要讲解了钢条切割问题的解决方案,并且给出了C语言代码。其中涉及到了动态规划的思想,会在之后的文章中详细讲解


一、钢条切割问题

1.问题背景

Serling公司购买长钢条,将其切割成短钢条进行出售。切割工序本身没有成本支出。管理层希望得到最优的切割方法。
现在我们知道Serling公司出售一段长度为 i i i英寸的钢条的价格为 p i ( i = 1 , 2 , 3 , . . . , n ) p_i(i=1,2,3,...,n) pi(i=1,2,3,...,n),单位为美元。钢条的长度都为整英寸。

举例一个价格的样表如下:

长度 i i i 1 2 3 4 5 6 7 8 9 10
价格 p i p_i pi 1 5 8 9 10 17 18 20 24 30

2.问题描述

现在我们的问题是:

给定一段长度为 n 英寸 n英寸 n英寸的钢条和一个价格表 p i ( i = 1 , 2 , . . . , n ) p_i(i=1,2,...,n) pi(i=1,2,...,n),求切割钢条的方案,使得收益 q q q最大化。

3.问题的难点

(1)情况较多

首先我们有如下结论:
长度为 n 英寸的钢条共有 2 n − 1 种不同的切割方案 长度为n英寸的钢条共有2^{n-1}种不同的切割方案 长度为n英寸的钢条共有2n1种不同的切割方案
具体的分析如下:

  • 对于长度为n英寸的钢条,我们有n-1个可切割点
  • 那么每个切割点的情况分为两种:切断或者不切断
  • 有n-1个点,每个点有两种情况

综上所述:总情况为 2 n − 1 2^{n-1} 2n1

(2)消除重复子问题

我们可以试想以下,当我们想知道长度为7的钢条如何切割,会需要先解决一部分子问题,记为集合A。
而我们要解决长度为5英寸的钢条的子问题集为B
那么A与B肯定存在公共的子问题需要求解

那么这样看来,解决长度越长,包含更多的重复的子问题来浪费资源。

二、问题解决方案

1.问题的特点

(1)最优化子结构

首先该问题是求解一个最优化的问题。

其次我们可以将该最优化问题分解为诸多最优化的子问题来求解
举个例子
对于长度为4的问题,我们可以这样分割:
4 的最优解 = 最优( 1 的价格 + 3 的最优, 2 价格 + 2 的最优, 3 的价格 + 1 的最优 < 1 的最优也便是 1 的价格 > ) 4的最优解=最优(1的价格+3的最优,2价格+2的最优,3的价格+1的最优<1的最优也便是1的价格>) 4的最优解=最优(1的价格+3的最优,2价格+2的最优,3的价格+1的最优<1的最优也便是1的价格>
可以发现该最优问题确实可以分解为诸多最优子问题来解决。
涉及到了子问题,这样我们就顺其自然地用递归等方法来解决问题。

(2)重复子问题

这里前文已经分析过。会有资源耗费在解决重复的子问题上。
那么我们需要想方案让这些子问题仅解决一次,这里就用到了动态规划的思想。
我们有两种具体的方案:

  • 带备忘的自顶向下
  • 自底向上

下文将进行具体讲解

2.最优化解决方案

(1)自顶向下的普通递归

该方案就是编程实现上文中将问题分解为子问题的过程。
采用递归的方式,遍历所有的情况。
最后时间复杂度将是可怕的 O ( 2 n ) O(2^n) O(2n)

(2)带备忘的自顶向下

该方案对比普通的自顶向上的方案仅有一个改进之处
就是采用一个存储数组存储已经解决的子问题,如果下次遇到已经解决过的子问题,那么直接在存储数组中查找即可,节省了时间

(3)自底向上

该方案是先从最底层的子问题开始解决,接着向上一层解决高一层的子问题。
以此不断循环,最后将总体问题解决。

3.构建最优解的结构

我们现在得到了最大利润,但是如何得到最优的方案呢?
我们需要引入一个存储数组s,存储“切割的第一刀”

现在我们来理解什么是“切割的第一刀”,回想以下我们如何将长度4的问题进行切割的:
4 的最优解 = 最优( 1 的价格 + 3 的最优, 2 价格 + 2 的最优, 3 的价格 + 1 的最优 < 1 的最优也便是 1 的价格 > ) 4的最优解=最优(1的价格+3的最优,2价格+2的最优,3的价格+1的最优<1的最优也便是1的价格>) 4的最优解=最优(1的价格+3的最优,2价格+2的最优,3的价格+1的最优<1的最优也便是1的价格>
对于上述的例子来说,可能的“切割的第一刀”有:1,2,3。
我们可以理解为,切割这个第一刀后,问题被分解为最优子问题。
因此我们需要存储所有问题的”第一刀“,然后就可以通过一个简单的循环找到具体的切割方案。

三、C语言代码

1.三种方案的函数代码

(1)自顶向下的普通递归

//返回最大值函数
int MAX(int a,int b)
{
	if(a>=b)
	{
		return a;
	}
	else
	{
		return b;
	}
} 
//自顶向下不加备忘机制
int CUT_ROD(int *p,int n,int size)
{
	int q=0;
	int i=0;
	if(n==0)
	{
		return 0;
	}
	q=-10;
	if(n>=size)
	{
		for(i=1;i<size;i++)
		{
			q=MAX(q,p[i]+CUT_ROD(p,n-i,size));
		}	
	}
	else
	{
		for(i=1;i<=n;i++)
		{
			q=MAX(q,p[i]+CUT_ROD(p,n-i,size));
		}
	}
	return q;
}

(2)带备忘的自顶向下

//返回最大值函数
int MAX(int a,int b)
{
	if(a>=b)
	{
		return a;
	}
	else
	{
		return b;
	}
} 
//自顶向下加备忘机制方法
int MEMORIZED_CUT_ROD_DO(int *p,int n,int *w,int *s,int size)
{
	int q=0;
	int i=0;
	if(w[n]>=0)
	{
		return w[n];
	}
	q=-10;
	if(n>=size)
	{
		for(i=1;i<size;i++)
		{
			if(q<(p[i]+MEMORIZED_CUT_ROD_DO(p,n-i,w,s,size)))
			{
				s[n]=i;
				q=p[i]+MEMORIZED_CUT_ROD_DO(p,n-i,w,s,size);
			}			
		}
	}
	else
	{
		for(i=1;i<=n;i++)
		{
			if(q<(p[i]+MEMORIZED_CUT_ROD_DO(p,n-i,w,s,size)))
			{
				s[n]=i;
				q=p[i]+MEMORIZED_CUT_ROD_DO(p,n-i,w,s,size);
			}			
		}		
	}
	w[n]=q;
	return q;
}
int MEMORIZED_CUT_ROD(int *p,int n,int *w,int *s,int size)
{
	int i=0;
	for(i=0;i<=n;i++)
	{
		w[i]=-1;
	}
	w[0]=0;
	s[0]=0;
	return MEMORIZED_CUT_ROD_DO(p,n,w,s,size);
}

(3)自底向上

//返回最大值函数
int MAX(int a,int b)
{
	if(a>=b)
	{
		return a;
	}
	else
	{
		return b;
	}
} 
//自底向上的方法
int BOTTOM_UP_CUT_ROD(int *p,int n,int *w,int *s,int size)
{
	int q=0;
	w[0]=0;
	s[0]=0;
	int j=0;
	int i=0;
	for(j=1;j<=n;j++)
	{
		q=-10;
		if(j>=size)
		{
			for(i=1;i<size;i++)
			{
				if(q<(p[i]+w[j-i]))
				{
					s[j]=i;
					q=p[i]+w[j-i];
				}
			}			
		}
		else
		{
			for(i=1;i<=j;i++)
			{
				if(q<(p[i]+w[j-i]))
				{
					s[j]=i;
					q=p[i]+w[j-i];
				}
			}			
		}
		w[j]=q;
	}
	return w[n];
}

2.整体测试代码

#include<stdio.h>
#include<stdlib.h>
#include<time.h>


 
//由于要存放长度为0时,钢条的价格为0 
//因此市场上可以出售钢条长度为1~SIZE-1
//这SIZE-1种整数长度
//比如SIZE=5时
//钢条可以切成1,2,3,4 
#define SIZE 6//输入规模 

//钢条长度每增加一单位 
//其价格增加LIM+1
//因此它是钢条价格的单位随机增量 
#define LIM 7//随机数的范围:0~(LIM-1)

//钢条的总长度 
#define Length 10; 



//返回最大值函数
int MAX(int a,int b)
{
	if(a>=b)
	{
		return a;
	}
	else
	{
		return b;
	}
} 



//自顶向下不加备忘机制
int CUT_ROD(int *p,int n,int size)
{
	int q=0;
	int i=0;
	if(n==0)
	{
		return 0;
	}
	q=-10;
	if(n>=size)
	{
		for(i=1;i<size;i++)
		{
			q=MAX(q,p[i]+CUT_ROD(p,n-i,size));
		}	
	}
	else
	{
		for(i=1;i<=n;i++)
		{
			q=MAX(q,p[i]+CUT_ROD(p,n-i,size));
		}
	}
	return q;
} 



//自顶向下加备忘机制方法
int MEMORIZED_CUT_ROD_DO(int *p,int n,int *w,int *s,int size)
{
	int q=0;
	int i=0;
	if(w[n]>=0)
	{
		return w[n];
	}
	q=-10;
	if(n>=size)
	{
		for(i=1;i<size;i++)
		{
			if(q<(p[i]+MEMORIZED_CUT_ROD_DO(p,n-i,w,s,size)))
			{
				s[n]=i;
				q=p[i]+MEMORIZED_CUT_ROD_DO(p,n-i,w,s,size);
			}			
		}
	}
	else
	{
		for(i=1;i<=n;i++)
		{
			if(q<(p[i]+MEMORIZED_CUT_ROD_DO(p,n-i,w,s,size)))
			{
				s[n]=i;
				q=p[i]+MEMORIZED_CUT_ROD_DO(p,n-i,w,s,size);
			}			
		}		
	}
	w[n]=q;
	return q;
}
int MEMORIZED_CUT_ROD(int *p,int n,int *w,int *s,int size)
{
	int i=0;
	for(i=0;i<=n;i++)
	{
		w[i]=-1;
	}
	w[0]=0;
	s[0]=0;
	return MEMORIZED_CUT_ROD_DO(p,n,w,s,size);
}




//自底向上的方法
int BOTTOM_UP_CUT_ROD(int *p,int n,int *w,int *s,int size)
{
	int q=0;
	w[0]=0;
	s[0]=0;
	int j=0;
	int i=0;
	for(j=1;j<=n;j++)
	{
		q=-10;
		if(j>=size)
		{
			for(i=1;i<size;i++)
			{
				if(q<(p[i]+w[j-i]))
				{
					s[j]=i;
					q=p[i]+w[j-i];
				}
			}			
		}
		else
		{
			for(i=1;i<=j;i++)
			{
				if(q<(p[i]+w[j-i]))
				{
					s[j]=i;
					q=p[i]+w[j-i];
				}
			}			
		}
		w[j]=q;
	}
	return w[n];
}



//打印钢条的最优组合
void print_max(int *s,int n)
{
	int i=n-1;
	printf("价格最优情况下,钢条的长度组合之一如下:\n"); 
	while(i>0)
	{
		printf("%5d",s[i]);
		i=i-s[i];
	}
	printf("\n");
} 



//主函数
int main()
{
	int i=0;
	int maxp=0;
	int n=Length; 
	int p[SIZE];
	int w[n+1];
	int s[n+1];
	srand((unsigned)time(NULL));
	int temp=0;
	for(i=0;i<SIZE;i++)
	{
		p[i]=temp;
		temp=temp+rand()%LIM+1;
	}
	for(i=0;i<SIZE;i++)
	{
		printf("%5d",p[i]);
	}
	printf("\n");
	//自顶向下不加备忘机制
	maxp=CUT_ROD(p,n,SIZE);
	printf("max profit is %5d\n",maxp);
	//自顶向下加备忘机制方法
	maxp=MEMORIZED_CUT_ROD(p,n,w,s,SIZE);
	printf("max profit is %5d\n",maxp);
	print_max(s,n+1);
	//自底向上的方法
	maxp=BOTTOM_UP_CUT_ROD(p,n,w,s,SIZE);
	printf("max profit is %5d\n",maxp);
	for(i=0;i<=n;i++)
	{
		printf("%5d",w[i]);
	}
	printf("\n");
	print_max(s,n+1);
	return 0;
}

总结

文章不妥之处请各位读者包涵指正文章来源地址https://www.toymoban.com/news/detail-422172.html

到了这里,关于《算法导论》学习(十七)----动态规划之钢条切割(C语言)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 15. 1 钢条切割

    递归(Java实现): 备忘录(记忆化)和自顶向下的动态规划算法切割钢条的示例代码(Java实现): 自底向上的动态规划算法切割钢条的示例代码(Java实现): ‍ 获取对应的钢铁 2.动态规划中的自顶向下法和 自底向上法 第一种方法称为带备忘的自顶向下法(top-downwith memo

    2023年04月23日
    浏览(21)
  • 算法分析 | 动态规划算法设计之最长公共子序列 C语言版

    声明:凡代码问题,欢迎在评论区沟通。承蒙指正,一起成长! 目录 一、实验内容与要求  二、概要设计 三、直接上代码      四、输入数据及运行结果   内容:最长公共子序列 ·若给定序列X={x1,x2,…,xm},则另一序列Z={z1,z2,…,zk},是X的子序列是指存在一个严格递增下标序

    2024年02月02日
    浏览(37)
  • <算法学习>动态规划

    目录 一、超级台阶问题。 二、矩阵最短路径 三、最长递增子序列 四、最大连续子段和 五、最长公共子序列 六、0-1背包问题 七、找零问题 动态规划的基础知识和例题在这篇文章里列的很详细。 C++动态规划详解 在这里针对每道例题的解法多解释一下,方便以后复习回看。

    2024年02月21日
    浏览(22)
  • 算法学习记录:动态规划

    目录 前言: 背景知识: 正文:  什么是动态规划(更新中):  理解动态规划: 状态: 状态转移:  运用动态规划(分析步骤): 例题集(时间顺序)  1.蓝桥OJ 3820:混境之地5(DFS) 2.蓝桥OJ 216:地宫取宝(DFS) 3.蓝桥OJ 1536:数字三角形(迭代法) 4.蓝桥OJ 3367:破损的

    2024年01月25日
    浏览(35)
  • 算法分析:C语言实现动态规划之最长公共子序列

    最长公共子序列问题:          下面的简单问题说明了动态规划的基本原理。在字母表一∑上,分别给出两个长度为n和m的字符串A和B,确定在A和B中最长公共子序列的长度。这里,A = a₁a₂...an。的子序列是一个形式为a₁ka₂k...aik的字符串,其中每个i都在1和n之间,并且

    2023年04月21日
    浏览(28)
  • <算法学习>动态规划练习题

    本篇文章为初学动态规划时的练习题。参考优质博客学习后根据伪代码描述完成代码。记录一下用于以后复习。 给定一个有n行数字组成的数字三角形. 试设计一个算法, 计算出从三角形的顶至底的一条路径, 使该路径经过的数字和最大. 算法设计: 对于给定的n行数字组成的三角

    2024年01月17日
    浏览(36)
  • 【算法学习】简单多状态-动态规划

            本篇博客记录动态规划中的简单多状态问题。         在之前的动态规划类型的题中,我们每次分析的都只是一种或者某一类的状态,定义的dp表也是围绕着一种状态来的。         现在可能对于一种状态,存在几种不同的子状态,在状态转移过程中相互影响。此时

    2024年01月18日
    浏览(29)
  • 基于动态规划的强化学习算法

    学习「强化学习」(基于这本教材,强烈推荐)时的一些总结,在此记录一下。 在马尔可夫决策过程 环境模型已知 (也就是状态转移函数P、奖励函数r已知)的情况下,我们可以通过 「动态规划」 求得马尔可夫决策过程的最优策略 (pi^*) 。 对于做过算法题目的同学而言,

    2024年03月09日
    浏览(33)
  • 算法学习笔记(动态规划——01背包)

    先来聊聊动态规划,动态规划是分治法的一种体现,把一个问题分解成若干个子集,通过当前状态,经过操作得到下一个状态,最后得到最优问题解的一种方法。 步骤: 设定状态,保存状态 根据状态设定转移方程 确定边界 其中的01背包解决的是关于选择的动态规划问题,

    2024年03月25日
    浏览(40)
  • 动态规划算法解决背包问题,算法分析与C语言代码实现,时间效率解析

    🎊【数据结构与算法】专题正在持续更新中,各种数据结构的创建原理与运用✨,经典算法的解析✨都在这儿,欢迎大家前往订阅本专题,获取更多详细信息哦🎏🎏🎏 🪔本系列专栏 -  数据结构与算法_勾栏听曲_0 🍻欢迎大家  🏹  点赞👍  评论📨  收藏⭐️ 📌个人主

    2023年04月16日
    浏览(41)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包