5动态规划.pptVIP

本讲纲要⊕-动态规划 数塔问题 1 贪婪算法 2 枚举算法 3 动态规划的手工计算 4 动态规划的算法实现 5 动态规划的思想和概念 6 动态规划的经典实例 数塔问题 例5.1 数塔问题 有形如右图的一个数塔，从顶部出发，在每一结点可以选择向左走或是向右走，一直走到底层，要求找出一条路径，使路径上的数值和最大。 1 贪婪算法 贪婪策略？ 2 枚举 最保险的思路，列举出所有可能的 路径再比较，得出和最大的路径。 2 枚举-递归 3 动态规划的手工计算 3 动态规划的手工计算 3 动态规划的手工计算 顺序与逆序解法本质上无区别； 4 动态规划的算法实现 原始信息存储 层数用整型变量n存储； 数塔中的数据用二维数组data[ ][ ]存储，下三角阵。 4 动态规划的算法实现 输出data[1][1]“9”； b=d[1][1]-data[1][1]=59-9=50 b与d[2][1],d[2][2] 比较b与d[2][1]相等，输出data[2][1]“12”； b=d[2][1]-data[2][1]=50-12=38 b与d[3][1],d[3][2] 比较b与d[3][1]相等，输出data[3][1]“10”； b=a[3][1]-data[3][1]=38-10=28 b与d[4][1],d[4][2] 比较b与d[4][2]相等，输出data[4][2]“18”； b=d[4][2]-data[4][2]=28-18=10 b与d[5][2],d[5][3] 比较b与d[5][3]相等，输出data[5][3]“10” 。 4 动态规划的算法实现 为了设计简洁的算法，可以用三维数组a[50][50][3]存储以上确定的三个数组的信息。 a[50][50][1]代替数组data， a[50][50][2]代替数组d, a[50][50][3]记录解路径。 5 动态规划的思想和概念-基本思想 动态规划的基本思想 动态规划方法的基本思想是，把求解的问题分成许多阶段或多个子问题，然后按顺序求解各子问题。最后一个子问题就是初始问题的解。 5 -空间换取时间 5 -主要概念 阶段：把问题分成几个相互联系的有顺序的几个环节，这些环节即称为阶段。 状态：某一阶段的出发位置称为状态。通俗地说状态是对问题在某一时刻的进展情况的数学描述。 决策：从某阶段的一个状态演变到下一个阶段某状态的选择。 状态转移方程：根据上一阶段的状态和决策导出本阶段的状态。这就像是“递推”。 5 -主要概念-数塔问题 阶段：每行就是一个阶段； 5 -递归实现 int a[100][100], f[100][100]; int max(int i,int j,int n) { int left,right; if ((i==n)||(j==n)) f[i][j] =a[i][j]; if (f[i][j] != -1) return f[i][j]; left=max(i+1,j,n); //左边 right=max(i+1,j+1,n); //右边 return (f[i][j] = (leftright)? (left+a[i][j]):(right+a[i][j])); } 5 -适合解决的问题的性质 动态规划算法的问题及决策应该具有两个性质：最优化原理、无后向性。 1) 最优化原理(或称为最佳原则、最优子结构)； 2) 无后向性(无后效性)：某阶段状态一旦确定以后，就不受这个状态以后决策的影响。即某状态以后的过程不会影响以前的状态，只与当前状态有关。 5 -适合解决的问题的性质-数塔问题 最优化原理(最优子结构) 9-12-10-18-10 显然12-10-18-10也是12到最后一层的最大和…… 5 -设计步骤 设计动态规划算法的基本步骤 设计一个标准的动态规划算法的步骤： 1) 划分阶段； 2) 选择状态； 3) 确定决策并写出状态转移方程。 例5.2 资源分配问题 设有资源n(n为整数),分配给m个项目,gi(x)为第i个项目分得资源x(x为整数)所得到的利润。 求总利润最大的资源分配方案，也就是解下列问题： max z=g1(x1)+ g2(x2)+……gm(xm) x1+x2+x3+……xm = n，0≤xi≤n，i=1,2,3,……,m 函数gi(x)以数据表的形式给出。 例5.2 例5.2 手算怎么算？ 例5.2 例5.2 例5.2 例 5.2 数据结构设计： 一维数组q：原始数据（逐行使用）； 一维数组f：当前最大收益情况； 一维数组temp：正在计算的最大收益； 二维数组a：前i个项目投资j获得最大利润时，给第i个项目分配的资源数(m*(n+1)维)； 一维数组gain：在不同投资数下获最