第6章_动态规划法案例分析.pptVIP

第6章 动态规划法 ;6.1 概 述 ; 最优化问题：有n个输入，它的解由这n个输入的一个子集组成，这个子集必须满足某些事先给定的条件，这些条件称为约束条件，满足约束条件的解称为问题的可行解。满足约束条件的可行解可能不只一个，为了衡量这些可行解的优劣，事先给出一定的标准，这些标准通常以函数的形式给出，这些标准函数称为目标函数，使目标函数取得极值（极大或极小）的可行解称为最优解，这类问题就称为最优化问题。 ;例：付款问题： 超市的自动柜员机（POS机）要找给顾客数量最少的现金。 假定POS机中有n张面值为pi(1≤i≤n)的货币，用集合P={p1, p2, …, pn}表示，如果POS机需支付的现金为A，那么，它必须从P中选取一个最小子集S，使得 （式6.1）; 那么，POS机支付的现金必须满足 （式6.3） ;6.1.2 最优性原理 ;Sn-1; 在每一阶段的决策中有一个赖以决策的策略或目标，这种策略或目标是由问题的性质和特点所确定，通常以函数的形式表示并具有递推关系，称为动态规划函数。 ;6.1.3 动态规划法的设计思想 ; 原问题的解;n=5时分治法计算斐波那契数的过程。 ;0 ; 用动态规划法求解的问题具有特征： 能够分解为相互重叠的若干子问题； 满足最优性原理（也称最优子结构性质）：该问题的最优解中也包含着其子问题的最优解。 （用反证法）分析问题是否满足最优性原理： 先假设由问题的最优解导出的子问题的解不是最优的; 然后再证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。 ;动态规划法设计算法一般分成三个阶段： （1）分段：将原问题分解为若干个相互重叠的子问题； （2）分析：分析问题是否满足最优性原理，找出动态规划函数的递推式； （3）求解：利用递推式自底向上计算，实现动态规划过程。 动态规划法利用问题的最优性原理，以自底向上的方式从子问题的最优解逐步构造出整个问题的最优解。;6.2 图问题中的动态规划法 ;6.2.1 TSP问题 ; ;假设从顶点i出发，令d(i, V)表示从顶点i出发经过V中各个顶点一次且仅一次，最后回到出发点i的最短路径长度，开始时，V＝V－{i}，于是，TSP问题的动态规划函数为： d(i,V)=min{cik+d(k,V－{k})}(k∈V) （式6.5） d(k,{})=cki(k≠i) （式6.6）;这是最后一个阶段的决策，而： d(1, {2, 3})=min{c12+d(2, {3}), c13+ d(3, {2})} d(2, {1, 3})=min{c21+d(1, {3}), c23+ d(3, {1})} d(3, {1, 2})=min{c31+d(1, {2}), c32+ d(2, {1})} 这一阶段的决策又依赖于下面的计算结果： d(1, {2})= c12+d(2, {}) d(2, {3})=c23+d(3, {}) d(3, {2})= c32+d(2, {}) d(1, {3})= c13+d(3, {}) d(2, {1})=c21+d(1, {}) d(3, {1})=c31+d(1, {}) ;再向前倒推，有： d(1, {2})= c12+d(2, {})=2+6=8(1→2) d(1, {3})= c13+d(3, {})=3+3=6(1→3) d(2, {3})= c23+d(3, {})=2+3=5(2→3) d(2, {1})= c21+d(1, {})=4+5=9(2→1) d(3, {1})= c31+d(1, {})=7+5=12(3→1) d(3, {2})= c32+d(2, {})=5+6=11(3→2) 再向前倒退，有： d(1, {2, 3})=min{c12+d(2, {3}), c13+ d(3, {2})}=min{2+5, 3+11}=7(1→2) d(2, {1, 3})=min{c21+d(1, {3}), c23+ d(3, {1})}=min{4+6, 2+12}=10(2→1);假设n个顶点用0～n-1的数字编号，首先生成1～n-1