算法设计与王红梅第二版第6章_动态规划解读.ppt

* Chapter 6 Dynamic Programming * 算法6.3——0/1背包问题 10. V[i][j]=V[i-1][j]; 11. else 12. V[i][j]=max(V[i-1][j], V[i-1][j-w[i]]+v[i]); 13. j=C; //求装入背包的物品 14. for (i=n; i0; i--) 15. { 16. if (V[i][j]V[i-1][j]) { 17. x[i]=1; 18. j=j-w[i]; 19. } 20. else x[i]=0; 21. } 22. return V[n][C]; //返回背包取得的最大价值 23. } 0/1背包问题 * Chapter 6 Dynamic Programming * 时间复杂度分析 第3-4 行，第5-6行的for循环的时间性能是O(n)或O (C)； 第7-12 行的两个for循环的时间性是O (n×C)； 第13-19 行的for循环的时间性能是O (n)； 所以，算法 7.3 的时间复杂性为O (n×C)。 蛮力法：O(2^n) 0/1背包问题 * Chapter 6 Dynamic Programming * 6.4 查找问题中的动态规划法 6.4.1 最优二叉查找树 6.4.2 近似串匹配问题 设{r1, r2, …, rn}是n个记录的集合，其查找概率分别是{p1, p2, …, pn}，最优二叉查找树（Optimal Binary Search Trees）是以这n个记录构成的二叉查找树中具有最少平均比较次数的二叉查找树，即 最小，其中pi是记录ri的查找概率，ci是在二叉查找树中查找ri的比较次数。 最优二叉查找树 A B C D (a) (b) (c) 二叉查找树示例 B C D A A B C D 例如，集合{A, B, C, D}的查找概率是{0.1, 0.2, 0.4, 0.3}， (a)的平均比较次数是0.1×1＋0.2×2+0.4×3+0.3×4=2.9， (b)的平均比较次数是0.1×2＋0.2×1+0.4×2+0.3×3=2.1， (c)的平均比较次数是0.1×3＋0.2×2+0.4×1+0.3×2=1.7。 最优二叉查找树 将由{r1, r2, …, rn}构成的二叉查找树记为T(1, n)，其中rk（1≤k≤n）是T(1, n)的根结点，则其左子树T(1, k-1)由{r1, …, rk-1}构成，其右子树T(k+1, n)由{rk+1, …, rn}构成。 证明最优二叉查找树满足最优性原理 rk T(1, n) 以rk为根的二叉查找树 T(k+1,n) T(1,k-1) 若T(1, n)是最优二叉查找树，则其左子树T(1, k-1)和右子树T(k+1, n)也是最优二叉查找树，如若不然，假设T(1, k-1)是比T(1, k-1)更优的二叉查找树，则T(1, k-1)的平均比较次数小于T(1, k-1)的平均比较次数，从而由T(1, k-1)、rk和T(k+1, n)构成的二叉查找树T(1, n)的平均比较次数小于T(1, n)的平均比较次数，这与T(1, n)是最优二叉查找树的假设相矛盾。 设T(i, j)是由记录{ri, …, rj}(1≤i≤j≤n)构成的二叉查找树，C(i, j)是这棵二叉查找树的平均比较次数。虽然最后的结果是C(1, n)，但遵循动态规划法的求解方法,需要求出所有较小子问题C(i, j)的值，考虑从{ri, …, rj}中选择一个记录rk作为二叉查找树的根结点，可以得到如下关系： 最优二叉查找树 因此，得到如下动态规划函数： C(i, i-1)=0 (1≤i≤n+1) （式6.17） C(i, i)=pi (1≤i≤n) （式6.18） C(i, j)=min{C(i, k-1)+C(k+1, j)+ } (1≤i≤j≤n,i≤k≤j) （式6.19） 设一个二维表C[n+1][n+1]，其中C[i][j]表示二叉查找树T(i, j)的平均比较次数。注意到在式6.19中，当k=1时，求C[i][j]需要用到C[i][0]，当k=n时