第3章 动态规划2.pptxVIP

动态规划2李建敏广告广告算法分析与设计网络课程/G2S/Template/View.aspx?action=viewcourseType=0courseId=2004965/G2S/Template/View.aspx?action=viewcourseType=0courseId=2004965动态规划动态规划解决的问题一般具有以下几个特征：该问题的规模缩小到一定的程度就可以容易地解决该问题可以分解为若干个规模较小的相同问题，即该问题具有最优子结构性质利用该问题分解出的子问题的解可以合并为该问题的解；该问题所分解出的各个子问题不是相互独立的，即子问题之间包含公共的子问题。 动态规划与分治法子问题是否相互独立的动态规划的基本思想其求解方法与分治法是相同的。不同之处是子问题不是相互独立的，而是互有重叠。为了避免重复计算，动态规划算法采用填表来保存子问题解的方法。在求解过程中用表格来保存已经求解的子问题的解，无论它是否会被用到。当以后遇到该子问题时即可查表取出其解，从而避免了重复计算。动态规划的基本要素一、最优子结构矩阵连乘计算次序问题的最优解包含着其子问题的最优解。这种性质称为最优子结构性质。在分析问题的最优子结构性质时，所用的方法具有普遍性：首先假设由问题的最优解导出的子问题的解不是最优的，然后再设法说明在这个假设下可构造出比原问题最优解更好的解，从而导致矛盾。 利用问题的最优子结构性质，以自底向上的方式递归地从子问题的最优解逐步构造出整个问题的最优解。最优子结构是问题能用动态规划算法求解的前提。注意：同一个问题可以有多种方式刻划它的最优子结构，有些表示方法的求解速度更快（空间占用小，问题的维度低）动态规划的基本要素二、重叠子问题递归算法求解问题时，每次产生的子问题并不总是新问题，有些子问题被反复计算多次。这种性质称为子问题的重叠性质。动态规划算法，对每一个子问题只解一次，而后将其解保存在一个表格中，当再次需要解此子问题时，只是简单地用常数时间查看一下结果。 通常不同的子问题个数随问题的大小呈多项式增长。因此用动态规划算法只需要多项式时间，从而获得较高的解题效率。动态规划的基本方法动态规划求解的步骤：⑴找出最优解性质，并刻画其结构特征；⑵给出最优解的递归定义；⑶自底向上地计算并保存子问题最优解；⑷根据步骤⑶中得到的信息构造最优解。步骤⑴ ~ ⑶是动态规划算法的基本步骤。若要构造最优解，则必须执行步骤⑷ ，为此需在步骤⑶中增加必要信息的记录。动态规划的算法框架DynamicProgram(形参表）{初始化；自底向上地计算子任务并将结果填入表中。}矩阵连乘递归方法public static int recurMatrixChain(int i, int j){ if(i==j) return 0; int u = recurMatrixChain(i+1, j)+p[i-1]*p[i]*p[j]; s[i][j]=u; for(int k=1;kj;k++) { int t=recurMatrixChain(i, k)+recurMatrixChain(k+1, j)+p[i-1]*p[k]*p[j]; if(tu) { u=t; s[i][j]=k; } } return u;}1: 4矩阵连乘递归树1: 23: 41: 12: 41: 34: 41:12: 23: 34: 41: 12: 31: 23: 32: 23: 42: 34: 43: 34: 42: 23: 32: 23: 31: 12: 2备忘录方法备忘录方法的控制结构与直接递归方法的控制结构相同，区别在于备忘录方法为每个解过的子问题建立了备忘录以备需要时查看，避免了相同子问题的重复求解。private static int lookupChain(int i, int j) { if (m[i][j] 0) return m[i][j]; if (i == j) return 0; int u = 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; }最长公共子序列问题子序列定义：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 。换言之，一个给定序列的子序列是在该序