Dinaminis programavimas

Šiam straipsniui ar jo daliai . Jūs galite padėti Vikipedijai pridėdami su šaltiniais.

Dinaminis programavimas – programavimo metodas, paremtas uždavinio skaidymu į mažesnes susijusias problemas, bei tų problemų sprendimų įsiminimu. Taigi laiko sąnaudos pakeičiamos atminties sąnaudomis. Jis naudojamas, kuomet „“ nėra pakankamai efektyvus. Gali būti pritaikomas įvairaus tipo uždaviniams, tačiau šio metodo taikymo galimybę pastebėti ne visuomet lengva.

Fibonačio skaičiai

Apibrėžimas: ${\displaystyle F_{n}=F_{n-1}+F_{n-2}}$, ${\displaystyle F_{1}=1}$, ${\displaystyle F_{2}=1}$. Reikia apskaičiuoti ${\displaystyle n}$-tąjį sekos narį. Rekursyvus sprendimas būtų toks:

 int Fibonacci(int n) { if (n < 2) { return 1; } else { return Fibonacci(n-1) + Fibonacci(n-2); } } 

Dinamiškai galime parašyti taip:

 int Fibonacci[N]; Fibonacci[0] = Fibonacci[1] = 1; for (int i = 2; i < N; i++) { Fibonacci[i] = Fibonacci[i-1] + Fibonacci[i-2]; } 

Taip gauname visas reikšmes nuo ${\displaystyle F_{1}}$ iki ${\displaystyle F_{N}}$.

Taip pat yra algoritmas surasti tam tikrą Fibonačio skaičių:

 Fibonacci[0] := 1; Fibonacci[1] := 1; for i := 2 to n do begin tmp := Fibonacci[0]; Fibonacci[0] := Fibonacci[1]; Fibonacci[1] := Fibonacci[0] + tmp; end; 

„Kuprinės“ uždavinys

Šio tipo uždaviniai gana dažni. Bendrai jie formuluojami taip: turime ${\displaystyle N}$ daiktų, bei žinome jų dydžius ${\displaystyle D_{i}}$ bei vertes ${\displaystyle V_{i}}$. Kuprinės dydis yra ${\displaystyle K}$, taigi galima paimti tik tiek daiktų, kad jų dydis neviršytų ${\displaystyle K}$. Reikia surasti tokį daiktų rinkinį, kurio vertė būtų didžiausia.

Dinaminio sprendimo idėja:

• Tarkime, nagrinėjame ${\displaystyle J}$-tąjį daiktą, o kuprinėje dar yra ${\displaystyle K}$ talpos vienetų

• Jeigu daiktą imame, tuomet galime iš ${\displaystyle J-1}$ daiktų paimti tiek, kad neviršytų ${\displaystyle K-D_{j}}$
• Jeigu neimame, tuomet galime iš ${\displaystyle J-1}$ daiktų paimti tiek, kad neviršytų ${\displaystyle K}$

• Iš šių dviejų atvejų, pasirenkame vertingesnį.

Taigi, problemą ${\displaystyle J}$ daiktų atveju galime išspręsti, jeigu žinome problemos ${\displaystyle J-1}$ daiktų daiktų atveju sprendimą. Matematiškai tai atrodo taip: ${\displaystyle F(j,{\mbox{ }}k)=max(F(j-1,{\mbox{ }}k),{\mbox{ }}F(j-1,{\mbox{ }}k-D_{j})+V(j))}$. Sprendimą galima rasti, ieškant nuo apačios, t. y. pirma apskaičiuojant ${\displaystyle F}$ reikšmes su mažesnėmis ${\displaystyle J}$ reikšmėmis. Taip pat, būtina atkreipti dėmesį, kad būtina turėti tam tikras „ribines“ reikšmes. Šiuo atveju tai būtų: ${\displaystyle F(0,{\mbox{ }}k)=0}$.

Programos fragmentai:

 for ik := 0 to K do F[0, ik] := 0; for J := 1 to N do begin for ik := 0 to K do begin F[J, ik] := F[J-1, ik]; if D[J] <= ik then F[J, ik] := Max(F[J, ik], F[J-1, ik-D[J]] + V[J]); end; end;