动态规划总结和习题综述.pptx

动态规划总结和习题 动态规划的实质是分治思想和解决冗余，因此，动态规划是一种将问题实例分解为更小的、相似的子问题，并存储子问题的解而避免计算重复的子问题，以解决最优化问题的算法策略。 由此可知，动态规划法与分治法和贪心法类似，它们都是将问题实例归纳为更小的、相似的子问题，并通过求解子问题产生一个全局最优解。 贪心法的当前选择可能要依赖已经作出的所有选择，但不依赖于有待于做出的选择和子问题。因此贪心法自顶向下，一步一步地作出贪心选择； 而分治法中的各个子问题是独立的（即不包含公共的子问题），因此一旦递归地求出各子问题的解后，便可自下而上地将子问题的解合并成问题的解。 不足之处：如果当前选择可能要依赖子问题的解时，则难以通过局部的贪心策略达到全局最优解；如果各子问题是不独立的，则分治法要做许多不必要的工作，重复地解公共的子问题。 解决上述问题的办法是利用动态规划。 动态规划方法主要应用于最优化问题，这类问题会有多种可能的解，每个解都有一个值，而动态规划找出其中最优（最大或最小）值的解。若存在若干个取最优值的解的话，它只取其中的一个。在求解过程中，该方法也是通过求解局部子问题的解达到全局最优解，但与分治法和贪心法不同的是，动态规划允许这些子问题不独立，（亦即各子问题可包含公共的子问题）也允许其通过自身子问题的解作出选择，该方法对每一个子问题只解一次，并将结果保存起来，避免每次碰到时都要重复计算。 W先生每天驾车去公司上班。W先生的住所位于A，公司位于F，图中的直线段代表公路，交叉点代表路口，直线段上的数字代表两路口之间的平均行驶时间。现在W先生的问题是要确定一条最省时的上班路线。 习题1 2017-4-5 第6章 动态规划法 Page 5 习题2 用动态规划算法求解下面的组合优化问题： max g1(x1)+g2(x2)+g3(x3) x1+x2+x3=3 x1,x2,x3为非负整数 其中g1(x)、g2(x)、g3(x)的值在下表中 x g1(x) g2(x) g3(x) 0 2 5 8 1 4 10 13 2 7 16 17 3 11 20 22 习题3 设有n种不同面值的硬币，第i种硬币的币值是vi（其中v1=1），重量是wi。现在购买总价值为y的某些商品，需要用这些硬币付款，如果每种钱币使用的个数不限，问如何选择付款的方法使得付出钱币的总重量最轻？ 1、用合适的数学模型描述问题 2、使用以下的输入实例求解问题 1 2 3 4 vi 1 4 6 8 wi 1 2 4 6 y=11 问题描述：在数字序列A={a1, a2, …, an}中按递增下标序列(i1, i2,…, ik)（1≤i1 i2… ik≤n）顺序选出一个子序列B，如果子序列B中的数字都是严格递增的，则子序列B称为序列A的递增子序列。最长递增子序列问题就是要找出序列A的一个最长的递增子序列。 最长递增子序列问题 2017-4-5 第6章 动态规划法 Page 8 最长递增子序列问题——想法 设序列A={a1, a2, …, an} 最长递增子序列是B={b1, b2,…, bm} 最长递增子序列问题满足最优性原理。 设L(n)为数字序列A={a1, a2, …, an}的最长递增子序列的长度，显然，初始子问题是{a1}，即L(1)=1。考虑原问题的一部分，设L(i)为子序列A={a1, a2, …, ai}的最长递增子序列的长度，则满足如下递推式： 2017-4-5 第6章 动态规划法 Page 9 于序列A={5, 2, 8, 6, 3, 6, 9, 7}，用动态规划法求解最长递增子序列。 首先计算初始子问题，可以直接获得： L(1)=1({5}) 然后依次求解下一个阶段的子问题，有： L(2)=1({2}) L(3)=max{L(1)+1, L(2)+1}=2({5, 8}, {2, 8}) L(4)= max{L(1)+1, L(2)+1}=2({5, 6}, {2, 6}) L(5)=L(2)+1=2({2, 3}) L(6)=max{L(1)+1, L(2)+1, L(5)+1)}=3({2, 3, 6}) L(7)=max{L(1)+1, L(2)+1, L(3)+1, L(4)+1, L(5)+1, L(6)+1}=4({2, 3, 6, 9}) L(8)=max{L(1)+1, L(2)+1, L(4)+1, L(5)+1, L(6)+1}=4({2, 3, 6, 7}) 序列A的最长递增子