算法-第8章-动态规划(李静).pptVIP

作业 P228，习题10（c） P232，习题9 实验四 实验内容： 应用第8章的动态规划法求出两个序列中最长的公共子序列及其长度。分析时间和空间复杂度。例如，”123”和”132”的最长公共子序列是”12”。 提示：如果记为序列和的最长公共子序列的长度，则为序列和的最长公共子序列的长度，其中i和j分别是序列和的长度。根据最长公共子序列的性质，有 可根据该性质设计此问题的动态规划算法。 实验要求：只能采用动态规划法 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 最优二叉查找树Optimal Binary Search Trees 这里只是得到最优二叉树中成功平均比较次数。 如果想得到二叉树本身，该怎么办？ * * 最优二叉树举例 键 3 7 9 12 概率 0.1 0.2 0.4 0.3 初始表格 * * P227 习题8.3-1 完成本节构造最优2叉查找树例题中余下的计算。 * * * * 最优二叉查找树Optimal Binary Search Trees 算法 OptimalBST(P[1..n]) //用动态规划算法求解最优二叉树 //输入：一个n个键的有序列表的查找概率数组P[1…n] //输出：成功查找平均比较次数，根表R for i ?1 to n do C[i,i-1]?0;C[i,i]?i;R[i,i]?i; C[n+1,n]?0; for d ?1 to n-1 do //对角线计数 for i ?1 to n-d do j?i+d; minval?∞; for k ?i to j do if C[i,k-1]+C[k+1,j]minval minval?C[i,k-1]+C[k+1,j];kmin?k; R[i,j]?kmin; sum?P[i]; for s?i+1 to j do sum?sum+P[s]; C[i,j]?minval+sum; return C[1,n],R; 分析：OptimalBST算法的时间效率是Θ(n3) * * P227 习题8.3-2 (作业) a. OptimalBST算法的时间效率是Θ(n3)? Why? * * 最优二叉查找树-相关资料 /courses/fall95/cs660/notes/OBST/OBST.html * * 8.4 背包问题(The Knapsack Problem) 重量 w1 w2 ... wn 价值 v1 v2 ... vn n个物品，背包容量W 最大化： 限制条件： * * 8.4 背包问题(The Knapsack Problem) 动态规划分析 设V[i,j]为前i个物品放到背包容量为j的背包中时最优解的物品总价值。则目标是：V[n,W]。 对于n个物品，要得到V[n,W]，有两种情况： a. 第n个物品不在背包中，则最优解物品总价值为V[n-1,W] b. 第n个物品在背包中，则最优解物品总价值为前n-1个物品的最优解总价值V[n-1,W-vn]与第n个物品价值的和，或者就是前n-1个物品的最优解总价值， 这里取两个中的最大值，即: V[n,W]=Max{V[n-1,W-Vn]+vn,V[n-1,W]} * * 背包问题(The Knapsack Problem) 对于一般情况有： 设V[i,j]为前i个物品放到背包容量为j的背包中时最优解的物品总价值。有两种情况： a. 第i个物品不在背包中，则最优解物品总价值为V[i-1,j] b. 第i个物品在背包中，则最优解物品总价值为前i-1个物品的最优解总价值V[i-1,W-vi]与第i个物品价值的和，或者就是前i-1个物品的最优解总价值，这里取两个中的最大值，即V[i,j]=Max{V[i-1,j-Vi]+vi,V[i-1,j]} * * 物品 重量 价值 1 2 12￥ 2 1 10￥ 3 3 20￥ 4 2 15￥ 承重量W=5 V[4,5]≠V[3,5]，物品4包含在最优解中，前者由V[3,3]确定；V[3,3]＝V[2,3]，表明3不在最优解里，又因为V[2,3] ≠V[1,3]，物品2在最优解中，V[1,2] ≠V[0,2]，物品1在最优解中。最优解为＝{1,2,4} 时间效率： Θ(nW) * * P231 习题8.4-1 （课堂作业） a. 对于下列背包问题的实例，用自底向上的动态规划求解。 * * P231 习题8.4-2 （课堂作业）