2010Jul16094824.pptVIP

动态规划常见模型 主讲人：陈宗志 　　　递归的重叠子问题 斐波那契序列： f(1)=1; f(2)=1; f(n)=f(n-1)+f(n-2); (n2) 　　　递归的重叠子问题 斐波那契序列的递归实现： int Fibonacci(int n) { if(n==1||n==2) return 1; return Fibonacci(n-1)+Fibonacci(n-2); } 　　　递归的重叠子问题 f(6)=f(5)+f(4) =f(4)+f(3)+f(4) =f(3)+f(2)+f(3)+f(4) =f(2)+f(1)+f(2)+f(3)+f(4) =3+f(3)+f(4) =3+f(2)+f(1)+f(4) =5+f(4) =5+f(3)+f(2) =5+f(2)+f(1)+f(2)=8 递归的重叠子问题 在上述递归过程中，计算f(6)和f(5)都需要去计算f(4)，导致对同一个值f(4)计算了两次，浪费了时间，我们把这种情况叫做递归的重叠子问题． 一种避免递归的重叠子问题的方法就是，当我们求出一个值的时候，就把它保存起来，当下次再用到这个值的时候，直接调用保存的值，而不是再计算一次． 　　　递归的重叠子问题 int num[100]; for(i=0;i100;i++) num[i]=-1; int Fibonacci(int n) { if(num[n]!=-1) return num[n]; if(n==1||n==2) num[n]=1; else num[n]=Fibonacci(n-1)+Fibonacci(n-2); return num[n]; } 练习题一：Function Run Fun(Toj1626)． 　　　　　动态规划 实际上，动态规划的实质就是通过保存计算过的状态，来避免递归的重叠子问题．解决冗余，是动态规划的根本目的． 动态规划实质上是一种以空间换时间的技术，它在实现的过程中，不得不存储产生过程中的各种 状态，所以它的空间复杂度要大于其它的算法。选择动态规划算法是因为动态规划算法在空间上可以承受，而搜索算法在时间上却无法承受，所以我们舍空间而取时 间。 　　　动态规划的适用条件 １．最优化原理（最优子结构性质）最优化原理可以这样阐述：一个最优化策略具有这样的性质，不论过去状态和决策如何，对前面的决策所形成的状态而言，余下的诸决策必须构成最优策略。简而言之，一个最优化策略的子策略总是最优的。一个问题满足最优化原理又称其具有最优子结构性质。 　　　动态规划的适用条件 ２．无后向性将各阶段按照一定的次序排列好之后，对于某个给定的阶段状态，它以前各阶段的状态无法直接影响它未来的决策，而只能通过当前的这个状态。换句话说，每个状态都是过去历史的一个完整总结。这就是无后向性，又称为无后效性。 　　　　状态和状态转移 状态的选择和状态转移方程是解决动态规划的关键所在． 所谓状态就是问题的实例，比如斐波那契序列中，每一个从1到n的数都代表一个状态．而状态转移就是由一些状态转移到另一个状态，比如斐波那契序列中，可以由状态n-1和n-2转移到状态n．因此，我们就说状态转移方程为：Fibonacci(n)=Fibonacci(n-1)+Fibonacci(n-2)． 　　　动态规划的实现 动态规划一般有以下两种实现方法： １.记忆化搜索：当需要求一个状态时，首先看这个状态是否被计算过，如果计算过，直接使用计算过的值；否则，计算一次，并保存结果． 一般用递归实现，也就是刚才我们求斐波那契序列所使用的方法． ２.递推：所谓递推就是，按照一定顺序将一定范围内的所有状态都计算出来． 一般用非递归的形式实现． 典型问题一：最长上升子序列 问题描述： 给出一个序列，求它最长的上升子序列． 例如，序列{1,7,3,5,9,4,8},其中{1,7}, {3,4,8},{1,3,5,8},都是它的上升子序列，而{1,3,5,8}是它的最长的上升子序列． 　　　　最长上升子序列 状态选择： best[i]代表以序列中第i个数为最后一个数时，最长上升子序列的长度． 状态转移方程： best[i]=max{1,max{best[j]+1,num[j]num[i]ji}} 所有best[]值里最大的那个就是最优值． 初始条件： best[i]=1,1=i=n． 　　　　最长上升子序列 for(i=1;i=n;i++) best[i]=1; for(i=1;i=n;i++) 　{ for(j=1