DP-1.pptVIP

动态规划入门 By PerfectCai 首先介绍一下动态规划： 动态规划(dynamic programming)是运筹学的一个分支，是求解决策过程(decision process)最优化的数学方法。20世纪50年代初美国数学家R.E.Bellman等人在研究多阶段决策过程(multistep decision process)的优化问题时，提出了著名的最优化原理(principle of optimality)，把多阶段过程转化为一系列单阶段问题，利用各阶段之间的关系，逐个求解，创立了解决这类过程优化问题的新方法——动态规划。 动态规划首次进入信息学奥赛是在IOI94（数字三角形），在国内首次出现是在NOI95。此后动态规划成为信息学奥赛的必考算法之一。 根据我个人经验直面问题是入门的一个很不错的途径，下面就来看一下这个绝对经典的问题——数字三角形（HOJ1058）： 　给你一个数字三角形, 形式如下 　 1 　 2 3 　 4 5 6 　7 8 9 10 　找出从第一层到最后一层的一条路,使得所经过的权值之和最大. 例如： 　 1 1 　 2 3 2 3 　 4 5 6 4 5 6 　7 8 9 10 7 8 9 10 1-3-5-9和1-2-4-8就是两条路。 通常的思路是枚举，就是把所有的路都试一遍，得到其中和最大的一条，对于有n层的三角形，路的总数是2^(n-1)，也就是说如果有1000层，那么要枚举10的301次幂条路，这个效率再好的计算机也没戏。 下面说一下如何用动态规划的思想来解决： 首先，对于某一层而言，它两边的两个位置只能经过上一层的唯一一个位置到达（例如4只能经过2到达），其余中间的均可经过上一层的两个位置到达（左上和右上，例如8可以经过4或5到达），假如说我现在已知了到上一层各个位置为终点的最大值，那么我就可以根据上一层的这些最大值得到这一层的最大值， 例如： 已知第二层求第三层： 到2的最大值为3，到3的最大值为4?到4的最大值为3+4，到5的最大值为max（3+5， 4+5），到6的最大值为4+6。 这样就可以求出到第3层各位置的最大值分别为7，9，10. 根据这个方法一层一层的向下推，每次都得到到某一层的每个位置的最优，并且用这层的信息去求下一层的最优，这就是一种动态规划的思想。对于有n层的三角形，只需计算n^2/2各位置，总计n^2/2次，对于1000层的三角形需计算500000次，计算机可以瞬秒之。 希望大家把HOJ上的这道题A掉，并且理解体会一下 每个人对动态规划都有自己的理解，比如理解成一种递推，记忆化搜索，而我对动态规划的理解是部分枚举。 有上面的例题可以看出完全枚举需要的枚举次数过多，但其实对于每一个位置我只举出它左上和右上的最优进行比较即可，并不需要全部枚举，在这里有一种贪心的思想，即一个点的最优只能由它的左上最优加上它的值，或它的右上最优加上它的值得到。在这里我只枚举了关键的几个，所以是部分枚举。 最后再简单讲解一下HOJ 2014 思路：对于长度为n的，分类讨论一下： 1.如果让最后一个是竖着放的1*2，那么种类数就和长为n-1的种类数一样； 2.如果最后一个是横着放的1*2，那么它下面也只能横着放1*2，就是两个横着放的填充了后两个单位长度，这时种类数就和长为n-2的种类数一样。 3.如果最后一个是2*2，这时种类数就和长为n-2的种类数一样。 我们设长为n的种类数为f[n]，那么有： f[1] = 1; f[2] = 3; f[n] = f[n-1] + 2*f[n-2] （n2) 所以f[3] = 5; f[4]=11; f[5]=21; f[6]=43; f[7]=85; f[8]=171; 即例子中的171 当然这个递推可以通过数学化简： 当n为奇数时，f[n] = 2*f[n-1] – 1; 当n为偶数时，f[n] = 2*f[n-1] + 1; 这里还有两个重要概念：初始值和状态转移方程 f[1] = 1; f[2] = 3; ——初值 f[n] = f[n-1] + 2*f[n-2] （n2) ——状态转移方程 对于一个问题，把初值用状态转移方程进行拓展就可以得到所要结果。 当然HOJ 2014需要用高精度算法，还有两个题和它类似： HOJ 2124 HOJ 2894（你们校赛题）