演算法導論:鋼條切割
阿新 • • 發佈:2020-07-04
《演算法導論》第十五章 動態規劃首先討論了鋼條切割問題,下面做個簡單的總結:
一、遞迴
# 價格陣列 Ap=[0,1,5,8,9,10,17,17,20,24,30] def cutrod(n): if n==0: return 0 m = -1 for i in range(1,n+1): t = cutrod(n-i) r = Ap[i] + t m = max(m,r) return m
從函式執行角度看,這個遞迴過程是一個純函式,未產生任何副作用,從而影響到函式呼叫棧的上一層。
從問題角度看,則是拆解後的子問題,不依賴以任何原問題的資訊。
二、動態規劃(記憶陣列)
# 收益 Mr = {} # 第一段切割長度 Ms = {} def cutrod_memo(n): if n==0: return 0 if n in Mr.keys(): return Mr[n] m = -1 s = -1 for i in range(1,n+1): t = cutrod_memo(n-i) r = Ap[i] + t if r>m: m = r s = i if n notin Mr.keys(): Mr[n]=m Ms[n]=s return m def main(): l = 9 r1 = cutrod(l) print("最大收益: ") print(r1) r2 = cutrod_memo(l) print("最大收益: ") print(r2) print("收益:") print(Mr) print("第一段的切割長度: ") print(Ms) if __name__ == "__main__": main()
遞迴過程中實際上建立了一顆遞迴呼叫樹,通過儲存子問題的答案,避免重複求解相同的子問題的答案。隨後如果出現相同的子問題,則通過檢索獲取答案。從而將一個指數時間的求解過程,轉化為多項式時間的查表過程。