第四章 动态规划_old.pptVIP

North China Electric Power University 设原问题的规模为n，容易看出，当子问题树中的子问题总数是n的超多项式函数，而不同的子问题数只是n的多项式函数时，动态规划法显得特别有意义，此时动态规划法具有线性时间复杂性。所以，能够用动态规划解决的问题还有一个显著特征：子问题的重叠性。这个性质并不是动态规划适用的必要条件，但是如果该性质无法满足，动态规划算法同其他算法相比就不具备优势。 看看用普通递归算法解矩阵连乘积最优计算次序问题。 North China Electric Power University Int RecurMatrixChain(int i,int j) { if (i==j) return 0; int u=RecurMatrixChain(i,i)+ RecurMatrixChain(i+1,j)+ p[i-1]*p[i]*p[j]; s[i][j]=i; for (int k=i+1;kj;k++) { int t= RecurMatrixChain(i,k)+ RecurMatrixChain(k+1,j)+ p[i-1]*p[k]*p[j]; if (tu) {u=t; s[i][j]=k;} } return u; } North China Electric Power University §7 动态规划实例分析 3、备忘录方法 备忘录方法是动态规划法的一个变形。备忘录方法往往用一个表格或者数组把已经解决的子问题保存起来，下次解时，察看该子问题的解，而不必计算，备忘录方法采用的是由顶向下的方式，动态规划法采用的是由低向上的方式，备忘录方法的控制结构与递归算法相同。区别仅在于在递归解决之前先看看问题是否已经解决。 初始时，我们可以为每一个子问题建立一个记录项，存入一个特殊值，表示子问题尚未解决。求解过程中，看该记录项是否为特殊值，如果是，则该子问题第一次求解，解决并保存，反之，则说明已经解决过，可以直接使用。 int MemorizedMatrixChain(int n,int **m,int **s) { for (int i=1;i=n;i++) for(int j=i; j=n;j++) m[i][j]=0 return LookupChain(1,n); } North China Electric Power University §7 动态规划实例分析 3、备忘录方法 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;kj;k++) { int t= LookupChain(i,k)+ LookupChain(k+1,j)+ p[i-1]*p[k]*p[j]; if (tu) {u=t; s[i][j]=k;} } m[i][j]=u; return u; } North China Electric Power University §7 动态规划实例分析 1)生产计划问题 问题描述 工厂生产某种产品，每单位(千件)的成本为1(千元)，每次开工的固定成本为3(千元)，工厂每季度的最大生产能力为6(千件)。经调查，市场对该产品的需求量第一、二、三、四季度分别为 2，3，2，4(千件)。如果工厂在第一、二季度将全年的需求都生产出来，自然可以降低成本(少付固定成本费)，但是对于第三、四季度才能上市的产品需付存储费，每季每千件的存储费为0.5(千元)。还规定年初和年末这种产