、 图中两连线上方数字表示两城市之间的距离.从A到E走.doc

第五章 动态规划 动态规划(dynamic programming)是运筹学的一个重要分支，它是解决多阶段决策问题的一种有效的数量化方法．动态规划是由美国学者贝尔曼(R．Bellman(optimization principle)和方法，建立起与其相应的数学模型，然后再用动态规划方法去求解．根据动态规划这些特点，要求我们在学好动态规划的基本原理和方法的同时，还应具有丰富的想象力，只有这样才能建好模型求出问题的最优解． 可根据时间变量是离散的还是连续的，把动态规划问题的模型分为离散决策过程和连续决策过程，根据决策过程的演变是确定性的还是随机性的，动态规划问题的模型又可分为确定性的决策过程和随机性的决策过程，即离散确定性、离散随机性、连续确定性、连续随机性四种决策过程模型．我们主要研究离散确定性模型． 第一节 阶段决策过程最优化应用举例 例5-1 （最短路线问题）如图5-1，位于A城市的某药厂要把一批产品运往位于E城市的销售部．途中可能经过的城市有8个： 、 、 ； 、 、 ； 、．图中两连线上方的数字表示两城市之间的距离．从A到E走不同的路线，则所经过的城市不同，因而总路程也不同，试求一条从A到E的运输路线，使总路程最短． 图5-1 A城到E城的路线图 解　这个问题的解决可分为四个阶段来考虑．第一阶段，从A到B（B含三个城市 、 、）；第二阶段，从B到C（C含三个城市 、 、 ）；第三阶段，从C到D（D含二个城市 、）；第四阶段，从D到E．这是一个四阶段决策过程的最优化问题．用动态规划解决这个问题的方法是把这个四阶段决策问题，转化为几个容易解决的单阶段决策问题，而每个单阶段的决策是整个决策过程不可缺少的一个环节，因此它既影响本阶段的优化结果，还要影响全局的优化质量． 为解决例5-1的问题，我们采用从后向前的逆序解法．即从最后一个阶段开始从终点E向始点A方向逐段逆推，直至找到众多线路中的最短线路，也就是问题的最优解． 1．首先从第四阶段开始．在这个阶段中有两个始点 、，终点只有一个点E点，于是无论始点是还是，最优终点都将选择E点；从图5-1可知点到点E的距离是4，到点E的距离是3，虽然不能确定最优路线经过还是，但下一步肯定是从或到点E．我们将第四阶段的决策过程及优化结果用表5-1表示． 表5-1 第四阶段决策表 第四阶段 始点 终点及始点到E的距离 到E的最短距离 本阶段最佳终点 （最优决策） E D1 D2 4 3 4 3 E E 2．在第三阶段中共有三个始点 、 、 ，两个终点 、，从图中可知若以为始点经到E，则从到E的距离为3+4=7；而以为始点经到E，则从到E的距离为5+3=8．可见，以为始点，若取最短路线为最佳则必选择为终点．虽然不能确定最优路线是否经过点，但如果经过点则最优路线必为——E． 用完全类似的方法可讨论点 ，的情况，具体结果见表5-2．表中给出第三阶段的决策过程及优化结果． 表5-2 第三阶段决策表 第三阶段 始点 本阶段终点及始点到E的距离 到E的最短距离 本阶段最佳终点 （最优决策） D1 D2 C1 C2 C3 3+4=7 6+4=10 1+4=5 5+3=8 2+3=5 3+3=6 7 5 5 D1 D2 D1 从上表可见，若全过程的最优路线经过点，则最优路线必为——E；若全过程的最优路线经过点，则最优路线必为——E． 3．第二阶段中共有三个始点 、 、，三个终点 、 、，从图中可知若以为始点经到E，则从到E的距离为6+7=13；而以为始点经到E，则从到E的距离为4+5=9；可见，以为始点，若取最短路线为最佳则必选择为终点．虽然不能确定最优路线是否经过点，但如果经过点则最优路线必为 ———E． 用同样的方法可讨论点 、的情况，具体结果见表5-3．表中给出第二阶段的决策过程及优化结果． 表5-3 第二阶段决策表 第二阶段 始点 本阶段终点及始点到E的距离 到E的最短距离 本阶段最佳终点 C 1 C2 C3 B1 B2 B3 6+7=13 8+7=15 4+5=9 7+5=12 8+5=13 6+5=11 9+5=14 9 11 13 C2 C3 C2 从表5-3可以看到，如果全过程的最优路线经过点，那么最优路线必为———E；若全过程的最优路线经过点，则最优路线一定是———E． 4．第一阶段中只有一个始点A，三个终点 、 、．从图中可知若以A为始点经到E，则从A到E的距离为4+9=13；若以A为始点经到E，则从A到E的距离为9+11=20；若以A为始点经到E，则从A到E的距离为5+13=18．具体结果见表5-4． 表5-4 第一阶段决策表 第一阶段 始点 本阶段终点及始点到E的距离 到E的最短