第六章动态规划讲解.doc

第六章 动态规划 6.1 动态规划的思想方法 6.1.1 动态规划的最优决策原理 活动过程划分为若干个阶段，每一阶段的决策，依赖于前一阶段的状态，由决策所采取的动作，使状态发生转移，成为下一阶段的决策依据。 图6.1 动态规划的决策过程 最优性原理：无论过程的初始状态和初始决策是什么，其余决策都必须相对于初始决策所产生的状态，构成一个最优决策序列。 令最优状态为，由此倒推： 最优决策序列， 状态转移序列： 赖以决策的策略或目标，称为动态规划函数。 整个决策过程，可以递归地进行，或用循环迭代的方法进行。 动态规划函数可以递归地定义，也可以用递推公式来表达。 最优决策是在最后阶段形成的，然后向前倒推，直到初始阶段； 而决策的具体结果及所产生的状态转移，却是由初始阶段开始进行计算的，然后向后递归或迭代，直到最终结果。 6.1.2 动态规划实例、货郎担问题 例6.1 货郎担问题。 在有向赋权图中，寻找路径最短的哈密尔顿回路问题。 一、解货郎担问题的过程 令：从顶点出发，经中各顶点一次，最终回到顶点的最短路径的长度， 开始时，。 动态规划函数： （6.1.1） （6.1.2） 4个城市的费用矩阵是： 根据（6.1.1）式，由城市1出发，经城市2,3,4然后返回1的最短路径长度为： 它必须依据的计算结果： 这一阶段的决策，又必须依据下面的计算结果： 再向前倒推，有： 有了这些结果，再向后计算，有： 路径顺序是：2,3,4,1 路径顺序是：3,2,4,1 路径顺序是：4,3,2,1 最后： 路径顺序是：1,2,3,4,1 图6.2 货郎担问题求解过程示意图 二、复杂性分析 令是计算从顶点出发，返回顶点所需计算的形式为的个数。 开始计算时，集合中有个城市。 以后，在计算时，集合的城市数目，在不同的决策阶段，分别为,┅,0。 在整个计算中，需要计算大小为的不同城市集合的个数为，。因此，总个数为： 当集合中的城市个数为时，为计算，需次加法， 次比较。从城市出发，经其它城市再回到，总的运算时间为： 由二项式定理： 令；可得： 则用动态规划方法求解货郎担问题，总的花费为： 6.2 多段图的最短路径问题 6.2.1 多段图的决策过程 定义6.1 有向连通赋权图，顶点集合划分成个不相交的子集，，，使得中的任一边，必有，，。称为多段图。 令，称为源点，为收点。 多段图的最短路径问题，是求从源点到达收点的最小花费的通路 一、顶点编号： 根据多段图的个不相交的子集，把多段图划分为段，每一段包含顶点的一个子集。 把顶点集合中的所有顶点，按照段的顺序进行编号。 子集中的顶点互不邻接，它们之间的相互顺序无关紧要。 顶点个数为，顶点的编号为0，则收点的编号为， 对中的任何一条边，顶点的编号小于顶点的编号。 二、决策过程 数组元素：存放顶点到达收点的最小花费 数组元素：存放顶点到达收点的最小花费通路上的前方顶点编号 数组：存放从源点出发，到达收点的最短通路上的顶点编号 第一阶段，确定第段的所有顶点到达收点的花费最小的通路。 第二阶段，用第一阶段的信息，确定第段的所有顶点到达收点的花费最小的通路。 如此依次进行，直到最后确定源点到达收点的花费最小的通路。 最后，从源点的信息中，确定它的前方顶点编号， 从的信息中，确定的前方顶点编号， 如此递推，直到收点。 动态规划函数： （6.2.1） （6.2.2） 三、步骤：(n为顶点个数) 1. 对所有的，把初始化为最大值，初始化为-1；初始化为0； 2. 令； 3. 根据（6.2.1）式和（6.2.2）式计算和； 4. ，若，转3；否则，转5； 5. 令，； 6. 如果，算法结束；否则，转7； 7. ，；转6； 例6.2 求解图6.3所示的最短路径问题。 图6.3 动态规划方法求解多段图的例子 (i表示顶点编号) ： ： ： ： ： ： ： ： ： 最后，得到最短的路径为0，2，3，5，8，9，费用是15。 6.2.2 多段图动态规划算法的实现 struct NODE { /* 邻接表结点的数据结构 */ int v_num; /* 邻接顶点的编号 */ Type len; /* 邻接顶点与该顶点的费用 */ struct NODE *next; /* 下一个邻接顶点 */ }; struct NODE node[n]; /* 多段图邻接表头结点 */ Type cost[n]; /* 在阶段决策中,各个顶点到收点的最小费用 */ int