(实验三动态规划.docVIP

算法分析与设计实验报告 　　　　　　　　　　 学号 姓名 班级 上课地点 教师 上课时间 实验三 动态规划 1. 实验目的 1.1理解动态规划算法的主要设计思想和基本步骤； 1.2掌握用动态规划策略解决实际问题。 2. 实验环境 2.1 Eclipse 2.2 Window XP 3. 实验内容 3.1 矩阵连乘问题 3.2 最长公共子序列问题 3.3 0-1背包问题 4. 教师批改意见 签字： 日期： 成绩 实验报告细表 1.矩阵连乘问题 1.1 算法设计思想 (1) 分析最优解：计算A[i:j]的最优次序所包含的计算矩阵子链 A[i:k]和A[k+1:j]的次序也是最优的 (2)建立递归关系：设计算A[i:j]，1≤i≤j≤n，所需要的最少数乘次数m[i,j]，则原问题的最优值为m[1,n] 当i=j时，A[i:j]=Ai，因此，m[i,i]=0，i=1,2,…,n 当ij时， 可以递归地定义m[i,j]为： k的位置有j-i种可能 （3）计算最优值：用动态规划算法解此问题，可依据其递归式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 public static void MatrixChain(int []p,int [][]m,int [][]s) { int n=p.length-1; for(int i=1;i=n;i++)m[i][i]=0; for(int r=2;r=n;r++) for(int i=1;i=n-r+1;i++) { int j=i+r-1; m[i][j]=m[i+1][j]+p[i+1][i][j]; s[i][j]=i; for(int k=i+1;kj;k++) { int t=m[i][k]+m[k+1][j]+p[i-1][k][j]; if(tm[i][j]){ m[i][j]=t; s[i][j]=k; } } } } （4）构造最优解：算法matrixChain 记录了构造最优解所需的全部信息。 s[i][j]=k表明计算矩阵链A[i:j]的最佳方式在矩阵Ak和 Ak+1之间断开，即最优的加括号方式为(A[i:k])(A[k+1:j])。 因此，从s[1][n]记录的信息可知计算A[1:n]的最优加括号 方式为 (A[1:s[1][n]])(A[s[1][n]+1:n])。而A[1:s[1][n]]的最 优加括号方式为 (A[1:s[1][s[1][n]]])(A[s[1][s[1][n]]+1:s[1][s[1][n]]])。 同理可以确定A[s[1][n]+1:n]的最优加括号方式在s[s[1][n]+1][n]处断开。 照此递推下去，最终可以得到A[1:n]的最优完全加括号方式， 即构造出问题的一个最优解。 public static void traceback(int [][]s,int i,int j) { if(i==j)return; traceback(s,i,s[i][j]); traceback(s,s[i][j]+1,j); System.out.println(Multiply A+i+,+s[i][j]+and A+(s[i][j]+1)+,+j); } 1.2 程序源码 矩阵连乘代码： /** * 下面是矩阵连乘问题的动态规划算法 * 假设有6个矩阵： * A1 A2 A3 A4 A5 A6 * 30*35 35*15 15*5 5*10 10*20 20*25 则matrixChain为 * {30, 35, 15, 5, 10, 20, 25} 结果为 * ((A1 * (A2 * A3)) * ((A4 * A5) * A6) ) * @author zhanlingxia */ package juzhenliancheng; public class juzhenliancheng { public static void main(String[] args) { int[]p = {30, 35, 15, 5, 10, 20, 25}; // 矩阵的维数存放于数组p中 matrixMultiply(p); } //矩阵连乘 public static void matrixMultiply(int[]