递推与动态规划的计算.pptVIP

递推与动态规划的计算 李子星 递推式的矩阵表示 大家都知道Fibonacci数列吧。 其递推式： f[i] = f[i-1]+f[i-2] 对于f[n]如果直接计算，其时间复杂度为O(n) 递推式的矩阵表示 递推式的矩阵表示 于是，这个简单的递推式可以容易得到其通项式： F[n] = An-1 * F[1] 因为矩阵乘法满足结合律，所以An-1可以用二分法来计算，只要做最多2*log2(n-1)次的矩阵乘法，所以时间复杂度就是O(log2n)。 递推式的矩阵表示 这个技巧可以推广到任意的线性递推式： f(n) = a1*f(n-1)+a2*f(n-2)+……+ak*f(n-k) 都可用如下的矩阵表示法来表示： 例题一 给定一个图，从一个起点出发，每次可以沿着有向边走一步，问走k步正好到达指定的目标节点的路径数。要特别注意的是这里的路径允许回头，也就是允许1?2?3?1?4这样的情况。 假设图中的点不超过100个，k不超过106。 例题一 状态函数很容易想得到： f[i,j]表示从起点出发走i步正好到达j的路径数。 状态转移也很简单： f[i,j] = sum{f[i-1,x], 图中存在x到j的有向边} 如果直接就这么算的化，时间复杂度就是O(m*k)，其中m是图中的边数。 例题一 现在用矩阵和向量来重新描述下状态函数和状态转移方程（其中i到j有一条有向边时，gi,j为1，否则为0）： 例题一 如果用F[i]表示前面等式等号左侧的列向量，G表示图的邻接矩阵，那么前面的等式就可以表示为： F[i] = GT * F[i-1] 通项也很明显就是F[i] = (GT)I * F[0] 例题一 如果这一题稍微变下，变成走不超过k步到达指定的目标节点的路径数，那么解就变为求F[1]+F[2]+…+F[k]。 而F[1]+F[2]+…+F[k]=((GT)1+(GT)2+…+(GT)k) * F[0] 于是变为求等比数列的和，仍旧可以用二分法计算，计算量变为log2k的常数倍次的矩阵乘法。 这是递推式的矩阵化比较直观的情况，也有不那么直观的情况。 例题二 PKU2411 还是走道铺砖问题。状态函数与状态转移方程都不变，这里可否将递推式矩阵化？也是可以的。 例题二 比如高度为3的情况： f[i,000] = f[i-1,001] + f[i-1,100] + f[i-1,111] f[i,001] = f[i-1,000] + f[i-1,110] f[i,010] = f[i-1,101] f[i,011] = f[i-1,100] f[i,100] = f[i-1,000] + f[i-1,011] f[i,101] = f[i-1,010] f[i,110] = f[i-1,001] f[i,111] = f[i-1,000] 例题二 例题二 由此就可以得到一个O(log2w*23h)的算法，这里23h是一次矩阵乘法的时间复杂度，实际上这个矩阵非常的稀疏，所以可以用三元组来优化一下这个乘法的过程。 总之这就得到一个时间复杂度对w非常不敏感的算法了，如果这一题w非常大，这个计算过程就有意义了。 通过这一题，就可以发现： 只要是确定的递推式，就有可能矩阵化，然后就可以利用矩阵指数的快速计算来优化。 例题三 PKU3378 给定一个长度为n的序列a[1..n]，求长度为5的递增子序列的数量。 例题三 这一题在讲数据结构的时候就讲过了。 用a[1..n]表示输入序列，f[i,j]表示以a[i]为最后一个元素的长度为j的递增序列的个数，则： f[i,j]=sum{f[k,j-1], k=1~i-1且a[k]a[i]} 例题三 如果将F[i]=(f[i,1], f[i,2], f[i,3], f[i,4], f[i,5])看作一个5元向量，并定义一个以之为参数的函数shr((a1,a2,a3,a4,a5))=(1,a1,a2,a3,a4) 那么，前面的方程可以写作 F[i] = shr(sum{F[k], k=1~i-1且a[k]a[i]}) 例题三 在计算F[i]时，保证所有a值小于等于a[i]的项的F值为(0,0,0,0,0)，就可以得到计算过程： F[1..n] = (0,0,0,0,0); foreach i, a[i]较小的先枚举，a[i]相同的i较大的先枚举 F[i]=shr(sum{F[1..i-1]} 例题三 针对F序列的操作是： 修改某一项的值， 询问前缀序列的和，可以用树状数组实现。 最后的结果就是sum{F[1..n]}的第5项。 例题三 这也是典型的改变计算过程，利用数据结构优化的题。 例题四 08年合肥赛区决赛E题 有n个村庄排列在一条直线上，现在要在这些村庄中选m个设置邮局。已知在第i个村庄设置邮局，要花费P