第3章_动态规划-2016-all精选.ppt

回溯第2阶段 d(2,{3,4}) = min{2+5,3+11} = 7 {2,3,4,1} d(3,{2,4}) = min{4+6,2+12} = 10 {3,2,4,1} d(4,{2,3}) = min{7+8,5+9} = 14 {4,3,2,1} 回溯第1阶段 d(1,{2,3,4}) = min{3+7,6+10,7+14} = 10 {1,2,3,4,1} 计算过程 动态规划解货郎担问题求解过程示意图 * * 虽然动态规划主要用于求解以时间划分阶段的动态过程的优化问题，但是一些与时间无关的静态规划(如线性规划、非线性规划)，只要人为地引进时间因素，把它视为多阶段决策过程，也可以用动态规划方法方便地求解。 从n中任选2个 * * 算法描述了矩阵填充的过程： r为当前斜线起始列号（长度） i控制当前斜线元素行号 J控制当前斜线元素列号 * * 由此可见，用递归计算，许多子问题被重复计算多次。动态规划算法恰好可克服这缺陷。 用动态规划算法解此问题，可依据其最优值递归定义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。 * 只有相等时，才是左上角+1；其他的2种情况都不加1，而是相等 * 算法分析：由于每次调用至少向上或向左（或向上向左同时）移动一步，故最多调用(m + n)次就会遇到i = 0或j = 0的情况，此时开始返回。返回时与递归调用时方向相反，步数相同，故算法时间复杂度为Θ(m + n)。 回溯输出最长公共子序列过程： * * * * 设（x1,x2,...,xn）是所给0-1背包问题的一个最优解，则(x1,x2,...,xn-1)是下列子问题的最优解。 （1）最优子结构性质 * 如果（x1,x2,...,xn）是所给0-1背包问题的最优解，则(x1,x2,...,xn-1)是下列子问题的最优解。 证明0-1背包问题具有最优子结构性质 利用反证法证明。 证明：假设(x1,x2,...,xn-1)不是最优解， 而(y1,y2,...,yn-1)是最优解。 * 假设(x1,x2,...,xn-1)不是最优解， 而(y1,y2,...,yn-1)是最优解。 由此可知， 因此， 上述结果说明： (y1,y2,...,yn-1,xn)是所给0-1背包问题 的更优解。与前提矛盾。 * （2）递归关系 的最优值为m(i，j)，即m(i，j)是背包容量为j，可选择前i个物品时0-1背包问题的最优值。由0-1背包问题的最优子结构性质，可以建立计算m(i，j)的递归式如下。 边界值：m(i,0) = m(0,j) = 0; 令V[i,m]表示将前i个物品装入重量为w的背包中所能获得的最大价值，即子问题(i,w)的最大价值。现在考虑两种情况： (1)物品i能够放进背包：则子问题(i,w)的最优解取决于物品i是否放进去: ①如果物品i不放进去，则有V[i,w]=V[i-1,w] ②如果物品i放进去，则有V[i,w]=V[i-1,w-wi]+vi 上述两种选择，我们可以做最优选择 V[i,w]=max{V[i-1,w] ,V[i-1,w-wi]+vi} (2)物品i无法放入背包：则子问题(i-1,w)的最优解一定是子问题(i,w)的最优解。即： V[i,w]=V[i-1,w] * * 假设有5个物品，其重量分别为(2,2,6,5,4)；价值分别为(6,3,5,4,6)，背包的载重量为10，求装入背包的最大价值。 0 0 0 0 0 0 0 0 0 0 0 0 0 6 6 6 6 6 6 6 6 6 0 0 6 6 9 9 9 9 9 9 9 0 0 6 6 9 9 9 9 11 11 14 0 0 6 6 9 9 9 10 11 13 14 0 0 0 6 9 6 12 12 15 15 15 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 物品i Wi Vi 1 2 6 2 2 3 3 6 5 4 5 4 5 4 6 * 0 0 0 0 0 0 0 0 0 0 0 0 0 6 6 6 6 6 6 6 6 6 0 0 6 6 9 9 9 9 9 9 9 0 0 6 6 9