1.动态规划算法介绍:
动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中,可能会有许多可行解。每一个解都对应于一个值,我们希望找到具有最优值的解。动态规划算法与分治法类似,其基本思想也是将待求解问题分解成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解。与分治法不同的是,适合于用动态规划求解的问题,经分解得到子问题往往不是互相独立的。若用分治法来解这类问题,则分解得到的子问题数目太多,有些子问题被重复计算了很多次。如果我们能够保存已解决的子问题的答案,而在需要时再找出已求得的答案,这样就可以避免大量的重复计算,节省时间。我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到,只要它被计算过,就将其结果填入表中。这就是动态规划法的基本思路。具体的动态规划算法多种多样,但它们具有相同的填表格式。
2.动态规划算法实现:
给定一个矩阵m,从左上角开始每次只能向右走或者向下走,最后达到右下角的位置,路径中所有数字累加起来就是路径和,返回所有路径的最小路径和,如果给定的m如下,那么路径1,3,1,0,6,1,0就是最小路径和,返回12。
3.代码实现:
package algorithm;
/**
* @author WuChenGuang
*/
public class Dynamic {
public static void main(String[] args) {
int[][] array = {{1, 3, 5, 9}, {8, 1, 3, 4}, {5, 0, 6, 1}, {8, 8, 4, 0}};
System.out.println(dynamic(array));
}
public static int dynamic(int[][] array) {
if (array.length == 0) {
return 0;
}
// 声明一个新的二维数组,用来存储计算路径值
int[][] dp = new int[array.length][array[0].length];
dp[0][0] = array[0][0];
// 从第一行左边开始计算路径值
for (int i = 1; i < dp[0].length; i++) {
dp[0][i] = dp[0][i - 1] + array[0][i];
}
for (int i = 1; i < array.length; i++) {
// 遍历每行
for (int j = 0; j < dp[i].length; j++) {
if (j == 0) {
dp[i][j] = dp[i - 1][j] + array[i][j];
} else if (dp[i - 1][j] < dp[i][j - 1]) {
//上边路径小
dp[i][j] = dp[i - 1][j] + array[i][j];
} else {
dp[i][j] = dp[i][j - 1] + array[i][j];
}
}
}
return dp[dp.length - 1][dp[dp.length - 1].length - 1];
}
}
运行结果:文章来源:https://www.toymoban.com/news/detail-572778.html
文章来源地址https://www.toymoban.com/news/detail-572778.html
到了这里,关于常用的十种算法--动态规划算法的文章就介绍完了。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!