ch3动态规划算法设计.pptVIP

算法设计与分析 中原工学院计算机学院 王璐 E-Mail：dqx_wl@163.com 2008年10月8日 第三章 动态规划 本章主要知识点： 3.1 矩阵连乘问题 3.2 动态规划算法的基本要素 3.3 最长公共子序列问题 3.4 最大子段和 3.5 凸多边形的最优三角剖分 3.6 多边形游戏 3.7 图像压缩 3.8 电路布线 3.9 流水作业调度 3.10 0-1背包问题 3.11 最优二叉搜索树 3.12 动态规划加速原理 引言 规划 (Planning) 规划是比较全面的长远的发展计划----现代汉语词典 动态规划 (Dynamic Planning) 通过多阶段决策逐步找出问题的最终解，并且每个阶段的决策都是需要全面考虑各种不同的情况分别进行决策。这样，当各阶段采取决策后，会不断决策出新的数据，直到找到最优解。 每次决策依赖于当前状态，又随即引起状态的转移，一个决策序列就是在变化的状态中产生出来的，故有“动态”的含义。 所以，这种多阶段最优化决策解决问题的过程称为动态规划。 动态规划主要针对最优化问题 引言 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(或者多个阶段)。 但是经分解得到的子问题往往不是互相独立的。在用分治法求解时，有些子问题被重复计算了许多次。 如果能够保存已解决的子问题的答案，需要时查找出已求得的答案，就可以避免大量重复计算。 动态规划基本步骤 找出最优解的性质，并刻划其结构特征。 递归地定义最优值。 以自底向上的方式计算出最优值。 根据计算最优值时得到的信息，构造最优解。 3.1 矩阵连乘问题 给定n个矩阵{A1,A2,...,An}，其中Ai与Ai+1是可乘的，i=1,2,...,n-1。考察这n个矩阵的连乘积A1A2...An。 由于矩阵乘法满足结合律，所以计算矩阵的连乘可以有许多不同的计算次序。这种计算次序可以用加括号的方式来确定。若一个矩阵连乘积的计算次序完全确定，也就是说该连乘积已完全加括号，则可以依此次序反复调用2个矩阵相乘的标准算法计算出矩阵连乘积。 若A是p*q矩阵，B是q*r矩阵，则C=A*B是p*r矩阵,计算量为p*q*r。 设有四个矩阵A,B,C,D，它们的维数分别是：A=50×10，B=10×40，C=40×30，D=30×5 总共有五种完全加括号的方式：(A((BC)D)) (A(B(CD))) ((AB)(CD)) (((AB)C)D) ((A(BC))D) 其数乘次数分别为：16000, 10500, 36000, 87500, 34500 可见，矩阵连乘积的计算次序与其计算量有密切关系。 问题描述 给定n个矩阵｛A1,A2,…,An｝，其中Ai与Ai+1是可乘的，i=1，2…，n-1。如何确定计算矩阵连乘积的计算次序，使得依此次序计算矩阵连乘积需要的数乘次数最少。 输入：n，矩阵的行列数p0,p1,…,pn 输出：最少的数乘次数，计算次序（记录最优断开位置） 穷举搜索法 穷举法：列举出所有可能的计算次序，并计算出每一种计算次序相应需要的数乘次数，从中找出一种数乘次数最少的计算次序。 算法复杂度分析： 对于n个矩阵的连乘积，设其不同的计算次序为P(n)。 由于每种加括号方式都可以分解为两个子矩阵的加括号问题：(A1...Ak)(Ak+1…An)可以得到关于P(n)的递推式如下： 也就是说，P(n)是随n的增长成指数增长的。 动态规划法——1.分析最优解的结构 下面我们考虑用DP求解。 预处理： 将矩阵连乘积AiAi+1...Aj简记为A[i:j]，这里i≤j。 考察计算A[i:j]的最优计算次序。设这个计算次序在矩阵Ak和Ak+1之间将矩阵链断开，i≤kj，则其相应完全加括号方式为（AiAi+1... Ak）（Ak+1 Ak+2... Aj ）。 计算量：A[i:k]的计算量加上A[k+1:j]的计算量，再加上A[i:k]和A[k+1:j]相乘的计算量。 分析最优解的结构 特征：计算A[i:j]的最优次序所包含的计算矩阵子链 A[i:k]和A[k+1:j]的次序也是最优的。 矩阵连乘计算次序问题的最优解包含着其子问题的最优解。这种性质称为最优子结构性质。问题的最优子结构性质是该问题可用动态规划算法求解的显著特征。 2.建立递归关系 设计算A[i:j]，1≤i≤j≤n，所需要的最少数乘次数m[i,j]，则原问题的最优值为m[1,n]。 当i=j时，A[i:j]=Ai，因此，m[i,i]=0，i=1,2,…,n。 当ij时，m[i,j]=m[i,k]+m[k+1,j]+pi-1pkpj，这里Ai的维数为pi-1×pi。 可以递归地定义m[i,j]为： k的位置只有j-i种可能。 3.计算最优值 从上述分析可以看出，DP也是一个将大