第3讲动态规划..pptVIP

8878798 第3讲 动态规划 学习要点 理解动态规划算法的概念。 掌握动态规划算法的基本要素 （1）最优子结构性质 （2）重叠子问题性质 掌握设计动态规划算法的步骤。 (1)找出最优解的性质，并刻划其结构特征。 (2)递归地定义最优值。 (3)以自底向上的方式计算出最优值。 (4)根据计算最优值时得到的信息，构造最优解。 通过应用范例学习动态规划算法设计策略。 （1）矩阵连乘问题； （2）最长公共子序列； （3）最大子段和 （4）凸多边形最优三角剖分； （5）多边形游戏； （6）图像压缩； （7）电路布线； （8）流水作业调度； （9）背包问题； （10）最优二叉搜索树。 主要内容 1、算法思想 2、例题 （1）矩阵连乘问题； （2）最长公共子序列； （3）最大子段和 （4）凸多边形最优三角剖分； （5）多边形游戏； （6）图像压缩； （7）电路布线； （8）流水作业调度； （9）背包问题； （10）最优二叉搜索树。 动态规划基本步骤 找出最优解的性质，并刻划其结构特征。 递归地定义最优值。 以自底向上的方式计算出最优值。 根据计算最优值时得到的信息，构造最优解。 2、 例题 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; k j; k++) { int t = LookupChain(i，k) + LookupChain(k+1，j) + p[i-1]*p[k]*p[j]; if (t u) { u = t; s[i][j] = k;} } m[i][j] = u; return u; } 2.2 最长公共子序列 若给定序列X={x1,x2,…,xm}，则另一序列Z={z1,z2,…,zk}，是X的子序列是指存在一个严格递增下标序列{i1,i2,…,ik}使得对于所有j=1,2,…,k有：zj=xij。例如，序列Z={B，C，D，B}是序列X={A，B，C，B，D，A，B}的子序列，相应的递增下标序列为{2，3，5，7}。 给定2个序列X和Y，当另一序列Z既是X的子序列又是Y的子序列时，称Z是序列X和Y的公共子序列。 给定2个序列X={x1,x2,…,xm}和Y={y1,y2,…,yn}，找出X和Y的最长公共子序列。 给定由n个整数（可能为负整数）组成的序列a1,a2,a3…an，求该序列形如∑ak(k=i,i+1…j)的子段和最大值。当所有的整数均为负整数时定义其最大子段和为0.依次定义，所求的最优值为max{0， max∑ak[(k=i，i+1…j),1=i=j=n]} 最大子段和问题的简单算法 int maxsum(int n,int *a,int besti,int bestj) { int sum=0; for(int i=1; i=n; i++) { int thissum=0; for(int j=i; j=n; j++) { thissum+=a[j]; if(thissumsum) sum=thissum;besti=i;bestj=j; } } return sum; } 最大子段和问题的分治算法 针对最大子段和这个具体问题本身的结构，我们可以从算法设计的策略上对上述O（n2）计算时间算法进行更进一步的改进。 从问题的本身的解的结构可以看出，它适合于用分治法求解。如果将所给的序列a[1:n]分为长度为长度相等的两段a[1:n/2]和a[n/2+1:n]，分别求出这两段的最大子段和，则a[1:n]的最大子段和有三种情况： 最大子段和问题的动态规划算法 在对上述分治算法的分析中我们注意到，若记b[j]=max{∑a[k](k=i,…j)1=i=j=n;},则所求的最大子段和为max{∑a[k](k=i,…j)1=i=j=n}=maxb[j](1=j=n),其中b[j]的定义为当b[j-1]0时b[j]=b[j-1]+a[j],否则b[j]=a[j].可得 b[j]=max{b[j-1]+a[j],a[j]}，1=j=n; void minweight(int n，int **m，int **s) { for (int i = 1; i =