第8章 动态规划.ppt

算法设计与分析 计算机与信息学院 使用教材 使用教材 第8章 动态规划 动态规划概述 斐波纳契数列F(n) 计算二项式系数 数塔 有向无环图的最短路径问题 Warshall 传递闭包算法 完全最短路径问题的Floyd算法 最优二叉查找树 01背包问题 动态规划概述 动态规划概述 动态规划（Dynamic Programming），在20 世纪50年代由美国数学家Richard Bellman（理查德 .贝尔曼）发明，作为多阶段决策过程最优化的一种通用方法，对最优化问题提出最优性原则，从而创建最优化问题的一种新算法设计技术——动态规划，它是一种重要的应用数学工具。至少在计算机科学圈子里，人们不仅用它解决特定类型的最优化问题，而最终把它作为一种通用的算法设计技术，即包括某些非最优化问题。 动态规划概述 多阶段决策过程最优化： 现实世界里有许多问题属于这种情况：它有很多解，应用要求最优解。穷举法通过找出全部解，再从中选出最优解。这种方法对于那些计算复杂度很高、计算量很大的问题（如求最佳子集的组合问题），要找出一切可能解，所耗费的计算时间可能是不可以接受的。因此，人们为了降低求解问题的难度，把求解过程分为一系列阶段，各个阶段依次按照最优性原则计算，最后阶段计算得到最优解。包括 分段、求解 两大步。 注：不能段化的问题不能用动态规划法求解。 最优性原则 最优性原则 动态规划算法思想 1.将待求解的问题分解成若干个子问题，并存储子问题的解而避免计算重复的子问题，并由子问题的解得到原问题的解。 2.动态规划算法通常用于求解具有某种最优性质的问题。 3.动态规划算法的基本要素： 最优子结构性质和重叠子问题。 最优子结构性质： 问题的最优解包含着它的子问题的最优解。即不管前面的策略如何，此后的决策必须是基于当前状态（由上一次决策产生）的最优决策。 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，有些问题被反复计算多次。对每个子问题只解一次，然后将其解保存起来，以后再遇到同样的问题时就可以直接引用，不必重新求解。 解决问题的基本特征 1. 动态规划一般解决最值（最优，最大，最小，最长……）问题； 2. 动态规划解决的问题一般是离散的，可以分解（划分阶段）的； 3. 动态规划解决的问题必须包含最优子结构，即可以由（n－1）的最优推导出n的最优； 解决问题的基本步骤 设计一个标准的动态规划算法的步骤： 1. 划分阶段； 2. 选择状态； 3. 确定决策并写出状态转移方程。 实际应用当中的简化步骤： 1. 刻画最优解的结构特性. （一维，二维，三维数组） 2. 递归的定义最优解. （状态转移方程） 3. 以自底向上的方法来计算最优解. 4. 从计算得到的解来构造一个最优解. 斐波纳契数列F(n) 动态规划应用于非最优化问题例 步骤1：用F（n）表示在斐波纳契数列中第n个数的值； 步骤2：状态转移方程： 步骤3：以自底向上的方法来计算最优解 步骤4：在数组中分析构造出问题的解 递归 vs 动态规划 计算二项式系数 计算二项式系数是把动态规划应用于非最优化问题的一个标准例子 在二项式系数的多种特性之中，只关心两种： 当nk0时，C(n,k)＝C(n-1,k-1)+C(n-1,k) 以及 C(n,0)=C(n,n)=1 步骤1：用C(n,k)表示二项式系数； 步骤2：状态转移方程： 步骤3：以自底向上的方法来计算最优解 步骤4：在数组中分析构造出问题的解 为了计算c(n,k)，一行接一行地填充下表，从行0开始，到行n结束 算法 Binomial(n,k) //用动态规划算法计算C(n,k) //输入：—对非负整数n=k=0 //输出：C(n,k)的值 for i← 0 to n do for j ← 0 to min(i,k) do if j=0 or j=k C[i,j] ← 1 else C[i,j] ←C[i-1,j-1]+C[i-1,j] return C[n,k] 该算法的时间效率如何呢? 显然，该算法的基本操作是加法 数塔 数塔 问题：设有一三角形数塔如图。求一条自塔顶到塔底的路，该路径上节点值之和最大。 动态规