第六章动态规划分解.ppt

说明：1. j-i=m时，求n-m+1个C(i, j),每个C(i, j)从 m个量中取最小值 每个C(i, j) 能够在O(m)的时间内算出。 计算C(i, j) 的时间O(nm-m2) 2. 计算所有C(i, j) 和R(i, j) 总时间：3.根据Knuth的结论，最优的k可以通过限制检索区间R(i,j-1) ≤k≤ R(i+1,j) 求解，计算时间为O(n2)：作业 2. 不需要保存S1i，直接生成Si的过程： Si-1和Si都是按照P和W的递增次序排列的。且Si-1={(P1,W1),…,(Pt-1,Wt-1), (Pt,Wt), …,(Ph,Wh)} 若S1i生成的下一序偶是(PP, WW)， WkWW, 1≤k≤t-1 将Si-1中W值WW的所有序偶加入Si， 即(P1,W1),…,(Pt-1,Wt-1) →Si 由支配规则判断 (PP, WW)是否记入Si： (WW ≤ Wt) ①若WW=Wt，则PP←max{PP, Pt} ②若PPPt-1，则(PP, WW) 入Si ③若PP?Pt-1，舍弃(PP, WW) 若Si-1={(P1,W1),…,(Pt-1,Wt-1), (Pt,Wt),..., (Ph,Wh)} Si的最末序偶是(Pb, Wb)，且WkWb , t≤k≤h, 由支配规则判断Si-1中W值Wb的序偶(Pk,Wk) 是否记入Si ： ①若WkWb ，且Pk≤Pb，则舍弃(Pk,Wk) ②否则Si-1中剩余所有的(Pk,Wk) 记入Si 。 0/1背包问题的算法 Line Procedure DKNAP(p, w, n, M, m) 思想：由Si-1直接生成Si，不保存S1i. 算法中用到的指针： l＝F(i-1)，Si-1中第一对序偶的指针(下界)； h是Si-1中最末序偶的指针(上界)，h＝next?1； u指出在Si-1中，对于uj≤h的所有Wj，有Wj+wiM，即指示S1i中最后一对序偶； i生成Si，1≤i≤n j生成S1i的指针， l≤j≤u k是Si-1中的当前指针，指向Si-1中正在考虑是否并到Si中去的序偶, l≤k≤h 。 next是指向Si的指针，开始next = h 过程DKNAP的分析 空间复杂度：假设Si的序偶数是|Si| 若i0，每个Si由Si-1和S1i归并而成，且|S1i|≤| Si-1|，因此，|Si|≤2| Si-1|。 在最坏情况下没有序偶被清除， |S0|=1, |S1|=2, |S2|=22, …,|Sn-1|=2n-1. DKNAP的空间复杂度为O(2n)。 时间复杂度： 由Si-1生成Si需要时间Θ(|Si-1|) 计算S0，S1，…，Sn-1的时间是Θ(?|Si-1|）。而| Si|≤2i，计算这些Si总的时间是O(2n)。 时间复杂度： 若Si中每个wi和pi都是整数，则每个序偶(P, W)的P和W也是整数， ，W≤M. 而在任一Si中，序偶有互异的P值，和互异的W值，因此有： 和 于是在所有wj和pj为整数的情况下，DKNAP的时间和空间复杂度（除去PARTS的时间）是O(min{2n， ，nM})。 对于n取大值时DKNAP的有效性是令人失望的。而实际上，这类问题在很多情况下都能在“适当的”时间内解出，原因如下： 1. 在很多情况下p和w都是整数，而M比2n小很多。 2. 支配规则很有效, 可删除许多不应并入Si的序偶。 3. 利用启发式方法，加速DKNAP的计算。 用启发式方法(heuristic)加速DKNAP计算 1.给出最优解fn(M)的估计值L，fn(M)≥L； 2.设 (距最优解的距离) 3.若序偶(P, W)?Si，且P+PLEFT(i)L，则从Si中清除掉(P, W)。 （因为(P，W)最多只能对S1n产生序偶 而 (P, W)不可能导致最优解fn(M)，可删去。） 找fn(M)的估计值L的两种方法： 1. 取Si的最末序偶(P，W)的P作为L. 此时，P≤fn(M) . （灵活，随时可变） 2. 更好的一种估计值是将某些剩余物品的p值与这个P值加在一起作为L. 例6.15 考虑下列