lzy动态规划的优化.pptVIP

动态规划的优化 动态规划的时间优化 使用动态规划方法解题，对于不少问题之所以具有较高的时间效率，关键在于它减少了“冗余”。所谓“冗余”，就是指不必要的计算或重复计算部分，算法的冗余程度是决定算法效率的关键。动态规划在将问题规模不断缩小的同时，记录已经求解过的子问题的解，充分利用求解结果，避免了反复求解同一子问题的现象，从而减少了冗余。 时间复杂度=状态总数* 每个状态转移的状态数* 每次状态转移的时间 四边形不等式的优化 合并石子问题：在一个操场上摆放着一排n（n≤20）堆石子。现要将石子有次序地合并成一堆。规定每次只能选相邻的2堆石子合并成新的一堆，并将新的一堆石子数记为该次合并的得分。 试编程求出将n堆石子合并成一堆的最小得分和最大得分以及相应的合并方案 。 状态表示为： m[i,j]，1≤i≤j≤n，表示合并d[i..j]所得到的最小得分，则状态转移方程和边界条件为： m[i,j]=0 i=j i＜j 令s[i,j]=k ，w[i,j]= 当函数w[i,j]满足 时，称w满足四边形不等式。 当函数w[i,j]满足w[i’,j]≤w[i,j’] 时称w关于区间包含关系单调 令s[i,j]=max{k | m[i,j]=m[i,k-1]+m[k,j]+w[i,j] } 由函数m[i,j]满足四边形不等式可以推出函数s[i,j]的单调性，即 s[i,j]≤s[i,j+1]≤s[i+1,j+1], i≤j 改正后的转移方程 程序实现 S[I,i]:=I; S[I,i+1]:=i+1/I; For L:=3 to n do for i:=1 to n do [ j:=i+L-1; for k:=s[I,j-1] to s[i+1,j] do if m[I,j]m[I,k-1]+m[k,j]+w[I,j] then [ 更新 m[I,j] s[I,j]:=k ] ] 农 田 个 数 你的老家在河北农村。过年时，你回老家去拜年。你家有一片N?M农田，将其看成一个N?M的方格矩阵，有些方格是一片水域。你的农村伯伯听说你是学计算机的，给你出了一道题： 他问你：这片农田总共包含了多少个不存在水域的正方形农田。 两个正方形农田不同必须至少包含下面的两个条件中的一条： 边长不相等 左上角的方格不是同一方格 输入 输入数据第一行为两个由空格分开的正整数N、M（1=mn=1000） 第2行到第N+1行每行有M个数字（0或1），描述了这一片农田。0表示这个方格为水域，否则为农田（注意：数字之间没有空格，而且每行不会出现空格） 输出 满足条件的正方形农田个数。 样例输入 3 3 110 110 000 样例输出 5 样例说明 边长为1的正方形农田有4块 边长为2的正方形农田有1块 合起来就是5块 分析 设F[I，J]表示以方格（I，J）为右下角，可以得到的最大无水正方形边长，那么显然如果（I，J）是水域，F[I，J]=0； 否则F[I，J]=Min{F[I-1，J]，F[I，J-1]，F[I-1，J-1]}+1 求出了F数组的值后，我们可以用F1[I]表示F数组中，值为I的个数。 显然，假定边长为I的正方形数目为Sum[I]，那么有Sum[I]=Sum[I+1]+F1[I] 最后只要算出Sum数组各个值的和为问题的解。 通过分析上面的算法会发现，它的时间复杂度为O（N^2），采用滚动数组的话，空间复杂度为O（N），几乎达到理论的下界了。 火 车 票 由于n最大可以为10000，如果要在规定时间内出解，算法的时间复杂度必须严格控制在n^2以内，这就使我们想到了动态规划。 设f[I]表示从起点站（站A）到站I的最少费用。X表示某一站J与站I的间距离。 F[I] = min{f[j] + cost(I,j)} (a = j I) c1 (0X=L1) Cost(I, j) = c2 (L1X=L2) c3 (L2X=L3) ∞ (