题目：20个桶，每个桶中有10条鱼，用网从每个桶中抓鱼，每次可以抓住的条数随机，每个桶只能抓一次，问一共抓到180条的排列有多少种 （也可求概率）。
来自与：http://www.ahathinking.com/archives/112.html，跟着这位前辈学的。
分析一下
这道题其实可以这样理解，假设我已经抓到了180条鱼，而这180条鱼来自20个桶中，反过来就是我们将这180条鱼放到20个桶中且要保证每个桶的鱼在（0-10）之间，有多少种方法。假设我们在前i个桶中抓取了k（0<=k<=10*i）条鱼，那么抓取180条鱼的排列种数就等于在剩下的（20-i）个桶中抓取（180-k）条鱼的方法加上前i个桶中抓取k条鱼的方法。
再想一下
由于总共有200条鱼，我们抓走了180条鱼，那么还剩下多少条呢？显然是20条。再用上面的思维，我们就可以这样想，将20条鱼放回这20个桶中满足每个桶中的鱼（0-10），有多少种放法。这里当然是因此了一个排列问题而不是组合问题，因为我第一个桶放1条鱼、第2个桶不放与第一个桶不放、第二个桶放1条鱼，是两种的不同的放法。
这样分析下来，感觉就是一个跳台阶问题：一个梯子有20步，每次可以跳0-10步，20步跳完多少中跳法（可选择不跳）。有关台阶问题，请看本博客：http://blog.csdn.net/lsjseu/article/details/11583513
编程思想
思想其实跟完全背包问题类似，我们首先考虑第20个桶放多少鱼，那么我们就可以减去最后一个桶放的鱼数，再去考虑前面19个桶怎么放剩下的鱼。这样形成了一个递归，我们就可以很快写出如下代码。
//bucket，表示当前考虑到第几个桶，当然首先考虑第20个桶
//fishN，表示当前有多少鱼
//返回值表示有多少中方法
int Func(int bucketN,int fishN)
{
if(bucketN<0 || fishN<0)return 0;//错误处理
if(bucketN == 1){
if(fishN>=0 && fishN<=10)//第1个桶里面放0-10的鱼，方法只有一种
return 1;
else{
return 0; //其他用0种方法
}
}
int sum = 0;
for(int i=0; i<=10; ++i){
sum += Func(bucketN-1,fishN-i);//考虑前面bucket-1的组合，同时减掉当前放的鱼
}
return sum;
}
递归优化
上面的代码，其实有很多重复计算。下面我们简单的分析一下：
F(20，20) = F(19，19)+ F(19，18).......; //考虑第20个桶放一条鱼和两条鱼的情况
F(19，19) = F(18，17)+.....;//第19个桶放2条鱼 ①
F(19，18) = F(18，17)+.....;//第19个桶放1条鱼 ②
我们发现①和②都调用了F(18，17)，但是它们确实各算各的，这样就存在着很多类似的重复计算。该递归树，基本全是重复的点，这样时间复杂度被拖得很高。那么，我们只要设计一个数组来把计算好的值保存下来，这样避免了很多重复的计算。代码如下：
//bucket，表示当前考虑到第几个桶，当然首先考虑第20个桶
//fishN，表示当前有多少鱼
//返回值表示有多少中方法
int dp[21][200] = {0};
int FuncOptimize(int bucketN,int fishN)
{
if(bucketN<0 || fishN<0)return 0;
if(bucketN == 1){
if(fishN>=0 && fishN<=10)
return 1;
else{
return 0;
}
}
if(dp[bucketN][fishN] == 0){ //这个子过程没有被计算我们采取调用递归计算
for(int i=0; i<=10; ++i){
dp[bucketN][fishN] += FuncOptimize(bucketN-1,fishN-i);
}
}
return dp[bucketN][fishN];
}
下面我们用我们熟悉的斐波拉契序列做一个实验，我们同样的优化方式来做，看下程序跑得快了多少?
#include<iostream>
#include <windows.h>
using namespace std;
long long fibonacci[100];
long long Fibonacci(int n)
{
if(n == 0)return 1;
if(n == 1)return 1;
return Fibonacci(n-1) + Fibonacci(n-2);
}
long long FibonacciOptimize(int n)
{
if(n == 0)return 1;
if(n == 1)return 1;
if(fibonacci[n] == 0){
fibonacci[n] = FibonacciOptimize(n-1) + FibonacciOptimize(n-2);
}
return fibonacci[n];
}
int main()
{
DWORD seconds = GetTickCount();
cout<<Fibonacci(40)<<endl;
cout<<"优化之前："<<(GetTickCount() - seconds)<<"ms"<<endl;
seconds = GetTickCount();
cout<<FibonacciOptimize(40)<<endl;
cout<<"优化之后："<<(GetTickCount() - seconds)<<"ms"<<endl;
system("pause");
return 0;
}
这个结果很是满意啊。
动态规划实现
我们知道这种自顶向下的递归，都可以转换为动态规划自底向上的思想。就是我们递归的值是有下面的值一步步垒起来的，那么我只需要一开始就把下面的值算好，保持在那里，然后再算上面的时候，直接拿过来用，这就很快了。据我了解，背包问题的编程思路跟这道题是一摸一样，只不过背包走到第i种物品的时候，第i种物品的重量已经固定，而我们这道题是第i个桶取值是一个范围，那我们只要把这里范围都扫一遍就好了。
#include<iostream>
#include <windows.h>
using namespace std;
int dp[21][200] = {0};
int FuncDp(int bucketN,int fishN)
{
int i,j,k;
for(i=0; i<=10; ++i)
dp[1][i] = 1;
for(i=2; i<=bucketN; ++i){
for(j=0; j<=fishN; ++j){
for(k=0; k<=10&&j-k>=0; ++k){//可以取0-10
dp[i][j] += dp[i-1][j-k];
}
}
}
return dp[bucketN][fishN];
}
int main()
{
cout<<FuncDp(20,180)<<endl;
memset(dp,0,sizeof(dp));
cout<<FuncDp(20,20)<<endl;
system("pause");
return 0;
}
其实，代码还可以更简练，仔细想想，就是初始化状态的方法；其实初始化合法状态完全可以这样想，问题始终都是分解成子问题的，根据递归的实现方法，只有分解到0个桶装0条鱼才是合法的，那么我们就初始化这一个状态为合法即可，然后从第一个桶开始向上计算，代码如下：
#include <iostream>
using namespace std;
int dp[21][200];
int i, j, k;
void main()
{
int bucketN, fishN;
scanf("%d %d", &bucketN, &fishN);
dp[0][0] = 1; /* 初始化合法状态 */
for(int i = 1; i <= bucketN; ++i) /* 从第一个桶开始 */
{
for(int j = 0; j <= fishN; ++j)
{
for(int k = 0; k <= 10 && j-k >= 0; ++k)
{
dp[i][j] += dp[i-1][j-k];
}
}
}
printf("%d
",dp[bucketN][fishN]);
}
想不通我的空间优化怎么不成功，类似背包问题的优化，555555555555555555。有大神可以帮忙解释一下啊？
#include<iostream>
#include <windows.h>
using namespace std;
int dp[200] = {0};
int FuncDp(int bucketN,int fishN)
{
int i,j,k;
for(i=0; i<=10; ++i)
dp[i] = 1;
for(i=2; i<=bucketN; ++i){
for(j=fishN; j>=0; --j){//反着遍历，防止覆盖
for(k=0; k<=10&&j-k>=0; ++k){//可以取0-10
dp[j] += dp[j-k];
}
}
}
return dp[fishN];
}
int main()
{
cout<<FuncDp(20,180)<<endl;
memset(dp,0,sizeof(dp));
cout<<FuncDp(20,20)<<endl;
system("pause");
return 0;
}