11 动态规划法、回溯法、分支界限法.pptxVIP

数据结构与算法Data Structures and Algorithms主讲教师 : 胡金蓉课件制作：黄襄念图像处理与模式识别实验室西华大学计算机与软件工程学院课程QQ群：259245106本章授课内容动态规划法：算法设计思想动态规划法：数塔问题动态规划法：非最优化问题例动态规划法：0-1 背包问题状态空间搜索回溯法：算法设计思想回溯法：n 皇后问题分支界限法：算法设计思想分支界限法：15-puzzle 问题分支界限法：0-1 背包问题本章授课学时：6 学时／35动态规划法：算法设计思想动态规划法（Dynamic Programming）20世纪50年代美国数学家Richard Bellman（理查德 .贝尔曼）提出。解决问题：某些最优化问题和非最优化问题。最优化问题：有多个可行解，找到最优解。穷举法找出全部解，再从中找出最优解。缺点：时间效率低。动态规划法 —— 多阶段决策过程最优化分段：把求解过程划分为若干个阶段—— 不能分段（段化）的问题不能用该法求解求解：按最优原则逐段推进计算，最后得最优解／355 段4 段3 段2 段1 段13111240716614158117132412动态规划法：数塔问题有一个三角形数塔如图，求一条自塔顶到塔底的路径，该路径上结点值之和最大。问：分段方向对结果有影响吗？自行验证问：贪婪法能够得到最优解吗？ 塔顶到塔底：13 + 12 + 16 + 15 + 24 = 8091②逐段推进计算78 67①分段67 46 5518 27 39 32／35动态规划法：数塔问题动态规划法与穷举法的时间效率比较输入规模：数塔层数 k , k 0基本操作：加法效率类别：无最佳、最差、平均增长函数 T(k) 各层结点数：1, 2, 3, 4, 5, ......数塔层数 k ：1, 2, 3, 4, 5, ......路径总数 t ： 1, 2, 4, 8, 16, ...... t = 2k-1穷举法： T(k) = (k-1) 2k-1动态规划法第 k 层加法次数 = 第 k-1 层结点数×2T(k) = 2 (k-1+...+3+2+1) = k(k-1)／356 5 4 3 2 16 5 4 3 2 1动态规划法：非最优化问题例6 5 4 3 2 1／35中国象棋“马”的路径m×n 棋盘，求：马从 P 跳到 Q 的所有路径。动态规划法：0-1 背包问题已知：n 个物品：重量 ( w1,...,wn )，价值 ( v1,...,vn ) 1 个背包：承重量 W 要求：找出价值最大的物品集合，且能装入背包中最优化模型： xi = 0 — 第 i 个物品不装入 xi = 1 — 第 i 个物品完整装入蛮力法解：需穷举 n 个物品集合的全部子集（ 2n 个，幂集）贪婪法解：不一定能找到最优解目标函数约束条件0-1背包／35动态规划法：0-1 背包问题分段物品个数 n 分段 i，背包承重量 W 分段 j V(i, j) : 前 i 个物品最优子集的价值（满足约束） j — 当前剩余承重量 V(0, j) = 0，V(i, 0) = 0 V(i, j) = max { vi + V( i-1, j-wi ) , V( i-1, j) } 递推关系逐段计算 V(0, 0) → V(n, W) 第1 段：1 个物品，计算各种承重量下的最优价值子集 第2 段：2 个物品，计算各种承重量下的最优价值子集 第n 段：n 个物品，计算各种承重量下的最优价值子集 i 物品不在最优子集中i 物品在最优子集中／35动态规划法：0-1 背包问题算法表分段计算过程：V(0, 0) → V(n, W)各段最优计算：V(i, j) = max { vi + V( i-1, j-wi ) , V( i-1, j) }Vj=0...j - wi...j...j=Wi=00...0...0...0......i - 10V(i-1, j-wi)V(i-1, j)i0V(i, j)......i=n0V(n, W)可按行（或列）填写此表／35动态规划法：0-1 背包问题物品 i重量wi价值 vi承重量 W1w1 = 2v1 = 12W = 52w2 = 1v2 = 103w3 = 3v3 = 204w4 = 2v4 = 15例如：Vj=012345i=000000010012121212201012222222301012223032401015253037