算法设计与分析动态规划实例解算法设计与分析动态规划实例讲解算法设计与分析动态规划实例讲解算法设计与分析动态规划实例讲解.ppt

一、动态规划的基本思想 （二）、动态规划的基本思想 二、最短路径问题 三、非线性规划问题 【例7-4】 用动态规划方法解下列非线性规划问题 解： 解决这一类静态规划问题，需要人为地赋予时间概念，从而将该问题转化为多阶段决策过程。 　　按问题的变量个数划分阶段，把它看作一个三阶段决策问题，k=1，2，3 　　设状态变量为s1，s2，s3，s4并记s1≤c 　　取问题中的变量x1，x2，x3为决策变量 状态转移方程为： s3=x3 s3+x2=s2 s2+x1=s1≤c 允许决策集合为： x3=s3 0≤x2≤s2 0≤x1≤s1 　各阶段指标函数为：v1（x1）=x1 v2（x2）=x22 v3（x3）=x3， 　各指标函数以乘积方式结合，最优指标函数fk（sk）表示从第k阶段初始状态sk出发到第3阶段所得到的最大值，则动态规划基本方程为： 用逆序解法由后向前依次求解： k=3时， 　　　　　　　　 x3*=s3 k=2时， 令h2（s2，x2）=x22（s2－x2） 用经典解析法求极值点： 解得：　　　　　　　　　　　 x2=0（舍） 所以 　　　是极大值点。 k=1时， 令 解得：　　　　　　x1=s1（舍） 所以 是极大值点。 由于s1未知，所以对s1再求极值， 显然s1=c时，f1（s1）取得最大值 反向追踪得各阶段最优决策及最优值： s1=c 所以最优解为： 一般地，如果阶段指标函数vk（sk，uk）是线性函数或凸函数时，最优指标函数fk（sk）的表达式比较容易得到，但是当vk（sk，uk）不具备上述特性时，最优指标函数fk（sk）的表达式不易得到，就需要采用数值法，即对连续变量进行离散化处理，再分散求解。 例如静态规划模型 其动态规划基本方程为： 状态转移方程为sk+1=sk－xk s1=a 状态变量sk及决策变量xk都是连续变量，对其进行离散化处理，具体做法是： 1. 对区间[0，a]进行分割，分割数m= ，其中Δ是分割后的小区间的长度，其大小可以根据所求解问题要求的精度及计算机运算能力而定，分割点为0，Δ，2Δ，…，mΔ= a。 2. 规定状态变量sk及决策变量xk仅在离散点0，Δ，2Δ，…，mΔ处取值，最优指标函数fk（sk）也定义在这些离散点上。动态规划基本方程可以写为： 其中sk=qΔ，xk=pΔ。 3. 由后向前逐段递推，直至求出整个过程最优解。 【例7-5】 解 按变量个数将原问题分为三个阶段，阶段变量k=1，2，3； 选择xk为决策变量； 状态变量sk表示第k阶段至第3阶段决策变量之和； 取小区间长度Δ=1，小区间数目m=6/1=6，状态变量sk的取值点为： 状态转移方程：sk+1=sk－xk； 允许决策集合：Dk（sk）=｛xk|0≤xk≤sk｝ k=1，2，3 xk，sk均在分割点上取值； 　阶段指标函数分别为：g1（x1）=x12 　　　　　　g2（x2）=x2 　　g3（x3）=x33， 　　　最优指标函数fk（sk）表示从第k阶段状态sk出发到第3阶段所得到的最大值，动态规划的基本方程为： 　　k=3时， 　　s3及x3取值点较多，计算结果以表格形式给出，见表7-1所示。 表7－1　取值 k=2时， 计算结果见表7-2 　　k=1时， 其中s1=6，计算结果见表7-3所示。 　　由表7-3知，x1*=2，s1=6，则s2= s1－x1*=6－2=4，查表7-2得：x2*=1，则s3= s2－x2*=4－1=3，查表7-1得：x3*=3，所以最优解为：x1*=2，x2*=1，x3*=3，f1(s1)=108。 　　　本例也可用经典解析法求得各段的极值，读者可自行求解，二者结论完全相同。需要指出的是当连续变量离散化处理以后，由于状态变量和决策变量只在给定的离散点上取值，故有可能漏掉最优解，因此需要慎重选择参数m与Δ。 四、资源分配问题 　　　假设有一种资源，数量为a，将其分配给n个使用者，分配给第i个使用者数量xi时，相应的收益为gi（xi），问如何分配使得总收入最大？这就是一维资源分配问题，该问题的数学模型为： 　　　这是一个静态规划问题，应用动态规划方法求解时人为赋予时间概念，将其看作是一个多阶段决策问题。 按变量个数划分阶段，k=1，2，…，n； 设决策变量uk=xk，表示分配给第k个使用者的资源数量； 设状态变量为sk，表示分配给第k个至第n个使用者的总资源数量； 状态转移方程：sk+1=sk－xk，其中s1=a； 允许