西安邮电大学《算法设计与分析》-动态规划-A.pptVIP

西安邮电大学计算机学院 第3章 动态规划 void MatrixChain( int *p，int n，int **m，int **s ) { for ( int i = 1; i = n; i++ ) m[ i ][ i ] = 0; for (int r = 2; r = n; r++) for (int i = 1; i = n - r+1; i++) { int j=i+r-1; m[i][j] = m[i+1][j]+ p[i-1]*p[i]*p[j]; s[i][j] = i; for (int k = i+1; k j; k++) { int t = m[i][k] + m[k+1][j] + p[i-1]*p[k]*p[j]; if (t m[i][j]) { m[i][j] = t; s[i][j] = k;} } } } p 表示连乘矩阵的维数，是一个数组。 西安邮电大学计算机学院 第3章 动态规划 程序分析 西安邮电大学计算机学院 第3章 动态规划 西安邮电大学计算机学院 第3章 动态规划 西安邮电大学计算机学院 第3章 动态规划 西安邮电大学计算机学院 第3章 动态规划 西安邮电大学计算机学院 第3章 动态规划 西安邮电大学计算机学院 第3章 动态规划 程序运行示例 西安邮电大学计算机学院 第3章 动态规划 算法复杂度分析 算法 MatrixChain 的主要计算量取决于算法中对 r，i 和 k 的 3 重循环。循环体内的计算量为O(1)，而 3 重循环的总次数为O( n3 )。因此算法的计算时间上界为O( n3 )。算法所占用的空间显然为O( n2 )。 由此可见，动态规划算法比穷举搜索法有效得多。 西安邮电大学计算机学院 第3章 动态规划 3.1.4 构造最优解 通过 MatrixChain 的计算，只知道最少数乘次数，还不知道具体应按什么次序来做矩阵乘法才能达到最少的数乘次数。 西安邮电大学计算机学院 第3章 动态规划 Traceback 程序 西安邮电大学计算机学院 第3章 动态规划 3.2 动态规划算法的基本要素 本节要求掌握动态规划算法的两个重要性质：最优子结构性质和重叠问题性质以及动态规划算法的一个变形 - 备忘录方法，是本课程的重点。 西安邮电大学计算机学院 第3章 动态规划 3.2.1 最优子结构 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。 在分析问题的最优子结构性质时，所用的方法具有普遍性：首先假设由问题的最优解导出的子问题的解不是最优的，然后再设法说明在这个假设下可构造出比原问题最优解更好的解，从而导致矛盾（采用反证法）。 利用问题的最优子结构性质，以自底向上的方式递归地从子问题的最优解逐步构造出整个问题的最优解。最优子结构是问题能用动态规划算法求解的前提。 西安邮电大学计算机学院 第3章 动态规划 3.2.2 重叠子问题 递归算法求解问题时，每次产生的子问题并不总是新问题，有些子问题被反复计算多次。这种性质称为子问题的重叠性质。 动态规划算法，对每一个子问题只解一次，而后将其解保存在一个表格中，当再次需要解此子问题时，只是简单地用常数时间查看一下结果。 通常不同的子问题个数随问题的大小呈多项式增长。因此用动态规划算法只需要多项式时间，从而获得较高的解题效率。 西安邮电大学计算机学院 第3章 动态规划 西安邮电大学计算机学院 第3章 动态规划 西安邮电大学计算机学院 第3章 动态规划 3.2.3 备忘录方法 备忘录方法的控制结构与直接递归方法的控制结构相同，区别在于备忘录方法为每个解过的子问题建立了备忘录以备需要时查看，避免了相同子问题的重复求解。 西安邮电大学计算机学院 第3章 动态规划 int LookupChain(int i，int j) { if (m[i][j] 0) return m[i][j]; if (i == j) return 0; int u = LookupChain(i，i) + LookupChain(i+1，j) + p[i-1]*p[i]*p[j]; s[i][j] = i; for (int k = i+1; k j; k++) { int t = LookupChain(i，k) + LookupChain(k+1，j)