动态规划论文【信息技术】.docVIP

动态规划算法及算法思路的分析 石家庄二中 贾志豪 [关键字] 动态规划 状态表示 状态转移 最优化原理 无后效性 [摘要] 在信息学竞赛中，我们经常遇到求最优解的问题。这些问题的特点是，只需要求出最优解，而不要求写出最优解的具体情况。为了解决这类问题，我们经常会用到一种有效的算法——动态规划。使得我们可以在有限的时间内，求出问题的解。本文首先介绍一些关于动态规划的理论知识，然后将介绍向动态规划的思路上靠拢的方法——即如何思考，最后再介绍一些经典例题。希望大家能互相促进。 我的邮箱是： dugushuiyi@ QQ：396511873 [目录] 一 动态规划的理论知识 1.1 动态规划的基本思想 1.2动态规划问题的特征 1.3使用动态规划的原则 二 解题时的思路——如何向动态规划上靠拢 2.1 分析问题是否符合动态规划的原则 2.2 确定使用动态规划时的状态和状态转移 2. 3 估计程序的时间、空间复杂度及编程的难易程度 三 一些经典例题 四 习题 [正文] 一 动态规划的理论知识 1.1动态规划的基本思想 动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应一个值，我们希望找到具有最优值的解。动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。与分治法不同的是，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算了很多次。如果我们能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，这样就可以避免大量的重复计算，节省时间。我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。这就是动态规划法的基本思路。具体的动态规划算法多种多样，但它们具有相同的填表格式。（本段文字摘自国家集训队论文）1.2动态规划问题的特征 动态规划算法的有效性依赖于问题本身所具有的两个重要性质：最优子结构性质和子问题重叠性质。1、最优子结构：当问题的最优解包含了其子问题的最优解时，称该问题具有最优子结构性质。2、重叠子问题：在用递归算法自顶向下解问题时，每次产生的子问题并不总是新问题，有些子问题被反复计算多次。动态规划算法正是利用了这种子问题的重叠性质，对每一个子问题只解一次，而后将其解保存在一个表格中，在以后尽可能多地利用这些子问题的解。1、可以通俗地理解为子问题的局部最优将导致整个问题的全局最优，即问题具有最优子结构的性质，也就是说一个问题的最优解只取决于其子问题的最优解，非最优解对问题的求解没有影响。所谓无后效性原则，指的是这样一种性质：某阶段的状态一旦确定，则此后过程的演变不再受此前各状态及决策的影响。也就是说，“未来与过去无关”，当前的状态是此前历史的一个完整总结，此前的历史只能通过当前的状态去影响过程未来的演变。具体地说，如果一个问题被划分各个阶段之后，阶段 I 中的状态只能由通过状态转移方程得来，与其他状态没有关系，特别是与未发生的状态没有关系，这就是无后效性。 在思考状态表示时，就不得不去考虑无后效性问题了（笔者认为，在第一步中一般不过多的考虑无后效性问题），状态的表示一般用数组来实现，大多数情况下，数组的第一个下标用来表示执行到第几个阶段（有一些程序在最外层嵌套For 语句除外），之后的几个下标用来表示用来实现无后效性。（笔者建议，数组的维数最好不要超过５维，因为维数过多会使重叠子问题变少，增加时间、空间复杂度和编程的难易度）。在确定了状态表示后，我们的动态规划就实现了一半了。 确定状态转移（方程）。在确定了状态表示之后，就需要去确定状态转移方程（事实上，这两部是在同时进行的）。在这里，笔者要提醒的是，状态转移方程必须要正确，因为状态转移方程失之毫厘，最后的结果就会差之千里（读者可以想一想递归树和递归方程）。最后要提醒的是，某些人在使用动态规划时，经常回担心边界条件的正确与否，事实上，只要状态转移方程是对的，边界条件一般不会出错（有经验的读者会深表赞同）。 最后：估计程序的时间、空间复杂度及编程的难易程度 一位以上三个参量是评价算法在解决问题时的优劣标准。 一般情况下，动态规划的空间复杂度近似于时限状态的数组大小，时间复杂度=状态数*决策数目*转移费用（刘汝佳观点），一般的，这个公式的结果为O(n^(1+状态数组维数))；大家可想而知，大状态数组维数过多时，动态规划并不是一个很好的算法。对于编程复杂度，其参数值因题而异，在这里就不作介绍。 三 一些经典例题 1、货币系统Section 2.2 PROB: Money Systems） 母牛们