3动态规划教程讲解.pptVIP

3 动态规划 动态规划(dynamic programming)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，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。1957年出版了他的名著Dynamic Programming，这是该领域的第一本著作。动态规划问世以来，在经济管理、生产调度、工程技术和最优控制等方面得到了广泛的应用。例如最短路线、库存管理、资源分配、设备更新、排序、装载等问题，用动态规划方法比用其它方法求解更为方便。 学习要点: 多阶段决策过程的最优化问题 动态规划算法的基本要素 （1）最优子结构性质 （2）重叠子问题性质 设计动态规划算法的步骤： （1）找出最优解的性质，并刻划其结构特征。 （2）递归地定义最优值。 （3）以自底向上的方式计算出最优值。 （4）根据计算最优值时得到的信息，构造最优解。 应用范例 （1）最短路径 （2）矩阵连乘问题； （3）流动推销员 （4）流水作业调度； （5）背包问题； （6）最优二叉搜索树。 多阶段决策问题 动态规划方法与“时间”关系很密切，随着时间过程的发展而决定各时段的决策，产生一个决策序列，这就是“动态”的意思。然而它也可以处理与时间无关的静态问题，只要在问题中人为地引入“时段”因素，就可以将其转化为一个多阶段决策问题。在本章中将介绍这种处理方法。 在每种情况下, 列出各种可能的局部解, 然后按某些条件, 从局部解（或中间解）中挑选出可能产生最佳解的结果，而扬弃其余。 最短路径问题 ——求A0到A6的最短路径 最短路径问题 ——求A0到A6的最短路径 最短路径问题 ——求A0到A6的最短路径 最短路径问题 ——求A0到A6的最短路径 最短路径问题 ——求A0到A6的最短路径 最短路径问题 ——求A0到A6的最短路径 最短路径问题 ——求A0到A6的最短路径 最短路径问题 ——求A0到A6的最短路径 最短路径问题 ——求A0到A6的最短路径 最短路径问题 ——求A0到A6的最短路径 最短路径问题 ——求A0到A6的最短路径 最短路径问题 ——求A0到A6的最短路径 最短路径问题 ——求A0到A6的最短路径 小结：动态规划基本步骤： 找出最优解的性质，并刻划其结构特征。 递归地定义最优值。 以自底向上的方式计算出最优值。 根据计算最优值时得到的信息，构造最优解。 矩阵连乘问题 将矩阵连乘积 简记为A[i:j] ，这里i≤j 考察计算A[i:j]的最优计算次序。 设这个计算次序在矩阵Ak和Ak+1之间将矩阵链断开，i≤kj，则其相应完 全加括号方式为 计算量：A[i:k]的计算量加上A[k+1:j]的计算量，再加 上A[i:k]和A[k+1:j]相乘的计算量。 建立递归关系 设计算A[i:j]，1≤i≤j≤n，所需要的最少数乘次数m[i,j]，则原问题的最优值为m[1,n] 当i=j时，A[i:j]=Ai，因此，m[i,i]=0，i=1,2,…,n 当ij时， 可以递归地定义m[i,j]为： 这里 的维数为 的位置只有 种可能 计算最优值 对于1≤i≤j≤n不同的有序对(i,j)对应于不同的子问题。因此，不同子问题的个数最多只有 由此可见，在递归计算时，许多子问题被重复计算多次。这也是该问题可用动态规划算法求解的又一显著特征。 用动态规划算法解此问题，可依据其递归式以自底向上的方式进行计算。在计算过程中，保存已解决的子问题答案。每个子问题只计算一次，而在后面需要时只要简单查一下，从而避免大量的重复计算，最终得到多项式时间的算法 用动态规划法求最优解 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;