11动态规划法、回溯法、分支界限法案例.pptxVIP

Data Structures and Algorithms 数据结构与算法 主讲教师 : 胡金蓉 课件制作：黄襄念 图像处理与模式识别实验室 西华大学计算机与软件工程学院 课程QQ群：259245106 本章授课内容 动态规划法：算法设计思想 动态规划法：数塔问题 动态规划法：非最优化问题例 动态规划法：0-1 背包问题 状态空间搜索 回溯法：算法设计思想 回溯法：n 皇后问题 分支界限法：算法设计思想 分支界限法：15-puzzle 问题 分支界限法：0-1 背包问题 本章授课学时：6 学时 00:28 2／35 动态规划法（Dynamic Programming） 20世纪50年代美国数学家Richard Bellman（理查德 .贝尔曼）提出。 解决问题：某些最优化问题和非最优化问题。 最优化问题：有多个可行解，找到最优解。 穷举法 找出全部解，再从中找出最优解。 缺点：时间效率低。 动态规划法 —— 多阶段决策过程最优化 分段：把求解过程划分为若干个阶段 —— 不能分段（段化）的问题不能用该法求解 求解：按最优原则逐段推进计算，最后得最优解 动态规划法：算法设计思想 00:28 3／35 有一个三角形数塔如图，求一条自塔顶到塔底的路径，该路径上结点值之和最大。 问：分段方向对结果有影响吗？自行验证 问：贪婪法能够得到最优解吗？ 塔顶到塔底：13 + 12 + 16 + 15 + 24 = 80 动态规划法：数塔问题 00:28 18 27 39 32 67 46 55 78 67 91 ②逐段推进计算 4／35 动态规划法与穷举法的时间效率比较 输入规模：数塔层数 k , k 0 基本操作：加法 效率类别：无最佳、最差、平均 增长函数 T(k) 各层结点数：1, 2, 3, 4, 5, ...... 数塔层数 k ：1, 2, 3, 4, 5, ...... 路径总数 t ： 1, 2, 4, 8, 16, ...... t = 2k-1 穷举法： T(k) = (k-1) 2k-1 动态规划法 第 k 层加法次数 = 第 k-1 层结点数×2 T(k) = 2 (k-1+...+3+2+1) = k(k-1) 动态规划法：数塔问题 00:28 5／35 中国象棋“马”的路径 m×n 棋盘，求：马从 P 跳到 Q 的所有路径。 动态规划法：非最优化问题例 00:28 6 5 4 3 2 1 6／35 已知：n 个物品：重量 ( w1,...,wn )，价值 ( v1,...,vn ) 1 个背包：承重量 W 要求：找出价值最大的物品集合，且能装入背包中 最优化模型： xi = 0 — 第 i 个物品不装入 xi = 1 — 第 i 个物品完整装入 蛮力法解： 需穷举 n 个物品集合的全部子集（ 2n 个，幂集） 贪婪法解：不一定能找到最优解 动态规划法：0-1 背包问题 00:28 约束条件 目标函数 0-1背包 7／35 分段 物品个数 n 分段 i，背包承重量 W 分段 j V(i, j) : 前 i 个物品最优子集的价值（满足约束） j — 当前剩余承重量 V(0, j) = 0，V(i, 0) = 0 V(i, j) = max { vi + V( i-1, j-wi ) , V( i-1, j) } 递推关系 逐段计算 V(0, 0) → V(n, W) 第1 段：1 个物品，计算各种承重量下的最优价值子集 第2 段：2 个物品，计算各种承重量下的最优价值子集 第n 段：n 个物品，计算各种承重量下的最优价值子集 动态规划法：0-1 背包问题 00:28 i 物品在最优子集中 i 物品不在最优子集中 8／35 算法表 分段计算过程：V(0, 0) → V(n, W) 各段最优计算：V(i, j) = max { vi + V( i-1, j-wi ) , V( i-1, j) } 动态规划法：0-1 背包问题 00:28 V j=0 ... j - wi ... j ... j=W i=0 0 ... 0 ... 0 ... 0 ... ... i - 1 0 V(i-1, j-wi) V(i-1,