递归解决方案的动态编程解决方案
给定输入n
,找到所有可能的数字组合1 ... n
的总和。 例如,如果n=3
,那么所有可能的组合是递归解决方案的动态编程解决方案
(1),(2),(3),(1,2),(1,3),(2,3),(1,2,3)
和它们的总和是
1 + 2 + 3 + (1+2) + (1+3) + (2+3) + (1+2+3) =24
我能解决使用recursion
这个问题。我如何使用Dynamic Programming
来解决这个问题?
#include<iostream>
using namespace std;
int sum=0,n;
int f(int pos,int s)
{
if(pos>n)
{
return 0;
}
else
{
for(int i=pos+1;i<=n;++i)
{
sum+=s+i;
f(i,s+i);
}
}
}
int main()
{
cin>>n;
sum=0;
f(0,0);
cout<<sum<<'\n';
}
}
编辑 虽然这个问题可以在固定的时间使用该series来解决。
但我想知道如何使用Dynamic Programming
来完成这项工作,因为我对此很虚弱。
您不需要使用动态编程;如果你愿意,你可以使用简单的算术。
个案数量是2^n,因为每个数字对于给定的总和是打开或关闭的。
从1到n的每个数字只用于总和的一半,因此每个数字都是2 ^(n-1)次。 1 + 2 + ... + n =(n-1)* n/2.
因此,总和为(n-1)* n/2 * 2 ^(n-1)。 n = 3时,它是(4 * 3/2)×4 = 24
编辑:如果你真的想用动态规划,这里有一个方法。 动态规划利用节约子问题的结果来解决超级问题。在这个问题中,子问题将是来自1 ... n-1的所有组合的总和。
因此,创建一个从n - >(组合数,组合数之和)的映射。
用1 - >(2,1)进行初始化。因为有两个组合{0,1},总和为1.包含0只会使数学变得更容易一些。
然后你的迭代步骤是使用映射。让我们假设(n-1) - >(k,s),意思是对于1 ... n-1有k个和s的和。
然后n的集合数是k * 2(每个组合都有n或不)。 并且所有组合的总和是s +(s + k * n),因为你有前面的总和(其中n是缺失的)加上所有组合的总和与n(应该是k * n大于s因为有k个新组合,每个都有n个)。
所以加上n - >(2 * k,2 * s + k * n)。
而你的最终答案是s中的n - >(k,s)。
嗨,谢谢你的回答。我意识到这个解决方案,但我只是在寻找解决方案,使用'动态编程'。 – g4ur4v 2014-09-21 19:56:42
让DP [N]是的结果,因此:
dp[1] = 1
dp[n] = 2 * dp[n-1] + 2^(n-1) * n
首先,很明显,DP [1] = 1
其次,DP [n]是包含n个的总和(1)(2)(1,2)} + {(3),(1,3),(2,3),..., (1,2,3)}
我们可以发现dp [n-1]出现两次,n的出现次数为2 ^(n-1)次
我想也许这是你想要的。
或者你可以用分析方法计算它:'n *(n + 1)* 2 **(n-2)'。没有循环,没有递归,没有动态编程。很高兴通过派生发布答案。 – NPE 2014-09-21 19:48:30