动态规划 5【信息技术】.pptVIP

动态规划（五） 最小代价子母树-问题 问题描述：设有n堆沙子排成一排，其编号为1，2，3，…，n（n =100）。每堆沙子有一定的数量，如下表： 13 7 8 16 21 4 18 现要将n堆沙子归并为一堆。归并的过程为每次只能将相邻的两堆沙子堆成一堆，这样经过n-1次归并之后最后成为一堆。如上面7堆沙子，可以有多种方法归并成一堆。其中的2种方法入下图： 最小代价子母树-问题 最小代价子母树-分析 根据问题描述，深刻理解问题。画出一些简单的最小代价子母树。 （1）n=2 最小代价子母树-分析 （2）n=3 请你先画一画有几种堆法 最小代价子母树-分析 （3）n=4 请你先画一画有几种堆法。 最小代价子母树-分析 （3）n=4 时共有5种堆法。这5种堆法可以分成3类： 第1类：先归并1~3堆，再与第4堆归并。这是上图(a)、(b)的情形。可以看到(b)要占优是因为(b)中1~3堆是最小代价归并方案。 第2类：先归并1~2堆，3~4堆，再归并为一堆。这是上图(c)的情形。 第3类：先归并2~4堆，再与第1堆归并。这是上图(d) 、(e)的情形。可以看到(d)要占优是因为(d)中2~4堆是最小代价归并方案。 归纳上述分析，我们可以得出这样的结论： （1）如果把归并1~4堆看成整个问题，则这个问题可以分解为三个归并方案，每个归并方案包含1~2个子问题： ①　归并1~3；再与4归并 ②　归并1~2，归并3~4；再归并 ③　归并2~4；再与1归并 （2）问题的最优解必然是这三种分解方案之一的结果为最优。从上图可以看到，是①方案的结果为最优。而①方案实际有两种堆法，可以看到最终入选的是归并1~3的最优解。也就是说，在问题（归并1~4堆）的一个最优解中，包含着子问题（归并1~3堆）的一个最优解。 最小代价子母树-分析 （3）请一定要注意的是，参与“竞选”的②③两种方案的子问题也必须是由子问题的最优解构成，否则根本没有机会获胜。例如，在归并2~4堆的子问题中，只有(d)有机会获胜，调小第4堆的数值可以实现这一点，大家可以试一试。但是不管怎样调小数值，(e)都不可能获胜。因为(e)不是归并2~4堆的最优解，(d)才是！ 同样，在②方案中，归并1~2，归并3~4两个子问题也都是最优解。 （4）如果我们继续分析增加更多堆数进行归并的问题，就会发现n个沙堆归并时，会分解为n-1种类型： Case1: “归并”第1堆，归并2~n堆；再最后归并 Case2: 归并1~2堆，归并3~n堆；再最后归并 Case3: 归并1~3堆，归并4~n堆；再最后归并 …… Case n-2: 归并1~n-2堆，归并n-1~n堆；再最后归并 Case n-1: 归并1~n-1堆，“归并”第n堆；再最后归并 最小代价子母树-分析 在Case1和Case n-1两种情况中，都是一堆沙与另n-1堆沙归并。一堆沙没有归并代价，为了形式上的统一，我们把一堆沙的归并代价设为0。 这样，在所有n-1种情况中，都是先归并左右两个子问题，求出子问题的最小代价，再归并在一起。 致此，我们分析出了问题的最优子结构性质。 最小代价子母树-分析 递归地定义最优解的值 在前面的的分析中，我们看到问题的归并代价实际上由两部分组成： （1）归并树左右子树的最小代价之和 （2）归并树所有叶结点的权值之和 最小代价子母树-分析 递归地定义最优解的值 引入记号F(i,j)表示从第i堆沙到第j堆沙的归并最小代价。 F(1,1) =0 F(1,2)=20 F(1,3)=43 F(3,4)=? F(2,4)=? F(4,4)=? 最小代价子母树-分析 递归地定义最优解的值 引入记号G(i,j)表示第i堆沙到第j堆沙的数量和。 G(1,1)=13 G(1,2)=20 G(1,3)=28 G(2,3)=? G(2,4)=? 最小代价子母树-分析 递归地定义最优解的值 因此，F(1,4) = MIN{F(1,1)+F(2,4), F(1,2)+F(3,4), F(1,3)+F(4,4)}+G(1,4) {归并1~4} F(2,4)=MIN{F(2,2)+F(3,4), F(2,3)+F(4,4)}+G(2,4) {归并2~4} F(3,4)=MIN{F(3,3)+F(4,4)}+G(3,4) {归并3~4} F(1,3)=? F(1,2)=? 我们看到归并1~4沙堆的子问题不只包括1~2, 1~3等，还包括2~3, 3~4, 2~4等。因此我们定义问题时不能只定义为F(n), 意思是合并1~n堆沙。而必须定义为F(i,j). 最小代价子母树-分析 递归地定义最优解的值 F(i,j)= MIN{F(i,