算法合集之《用改进算法的思想解决规模维数增大的问题》.doc

用改进算法的思想解决规模维数增大的问题 广东韶关一中 张伟达 【关键字】 增大规模 改进算法 降维 分析 构造 【摘要】 我们常常会遇到一些特殊的问题，它们把我们能够解决的问题改了一改，增加了一维，或者增加了一个因素，从1到2或者是从2到3，本文把它们统称规模维数增大的问题。 解决这类问题可以用改进算法的思想：本文第一部分先是概述这种思想；第二部分则从一道有趣的IQ题目说起，引入改进算法的基本思路和基本途径；第三部分则用多个例子解释说明如何改进算法；最后一部分是总结改进算法的思想。 【目录】 一、概述 2 二、引子：从一道IQ题说起 2 三、改进算法的途径 3 (1)直接增加算法的规模，解决问题 3 【例一】街道问题及其扩展。（经典问题） 3 (2)用枚举处理增加的规模，从而解决问题 4 【例二】旅行（广东省奥林匹克竞赛2001） 4 【例三】炮兵阵地。（NOI2001） 5 (3)用贪心解决增加的规模，从而解决问题 5 【例四】求网络的最小费用最大流。（经典问题） 5 (4)多种途径的综合运用 6 【例五】Team Selection (Balkan OI 2004 Day1) 6 四、总结 9 【感谢】 9 【参考文献】 10 【附录】 11 A.旅行(广东省奥林匹克竞赛2001) 11 B.炮兵阵地（NOI2001） 12 C.Team Selection (BalkanOI 2004 Day 1 Task 2) 13 一、概述 每个学习信息学奥林匹克的选手总是要先学习一些基本的算法，然后才能把算法应用到题目当中去。但是，题目形式多种多样，这些算法往往是不能够直接套用的。有的时候我们分析到某个问题好像可以用某种方法解决，但是这个问题却与之前见过的问题有些不同，例如本文所讨论的情况：问题的规模维数比原问题大，一维的变二维的，二维的变三维的，等等。我们不妨把这类问题叫做规模维数增大的问题，解决这一类问题，往往需要观察问题的特殊性，改进原有算法，从而解决实际问题。 二、引子：从一道IQ题说起 【IQ题题目】在走入正题之前，还是让我们来玩一道IQ题(据说是IBM公司招聘面试用过的题目)：有两根分布不均匀的香，每根香烧完的时间是一个小时，你能用什么方法来确定一段5分钟的时间？）； 改进算法（改进的过程中，往往不是依靠算法改进算法本身，反而是利用算法的内涵、实质，结合问题，构造算法）； 解决问题（我们得出了正确的解法）。 但是如何来改进原有的算法呢，笔者认为可以有以下途径： 直接增加算法的规模，解决问题 用枚举处理增加的规模，从而解决问题 用贪心解决增加的规模，从而解决问题 以上各个途径的综合运用 围绕这一主线，笔者将用例题做进一步的阐明。 三、改进算法的途径 (1)直接增加算法的规模，解决问题 解决简单的问题，常常可以采用直接处理的方法，但是很多时候还是需要一些技巧。 【例一】街道问题及其扩展。（经典问题） 【题目大意】〖原题〗在右图中找出从左下角到右上角的最短路径，每步只能向右方或上方走。〖扩展〗在地图中找出从左下角到右上角的两条路径，两条路径中的任何一条边都不能重叠，并且要求两条路径的总长度最短。 【问题分析】原题是一道简单而又典型的动态规划题，很显然，可以用这样的动态规划方程解题：（这里Distance表示相邻两点间的边长） 但是对于扩展后的题目：再用这种简单的方法就不太好办了。如果非得套用这种方法的话，则最优指标函数就需要有四维的下标，并且难以处理两条路径“不能重叠”的问题。 我们来分析一下原方法的实质：按照图中的斜线来划分阶段，即阶段变量k表示走过的步数，而状态变量xk表示当前处于这一阶段上的哪一点。这时的模型实际上已经转化成了一个特殊的多段图。用决策变量uk=0表示向右走，uk=1表示向上走，则状态转移方程为：(这里的row是地图竖直方向的行数)。通过这一步观察，我们就会发现这个问题很好解决，只需要加一维状态变量就成了。即用分别表示两条路径走到阶段k时所处的位置，相应的，决策变量也增加一维，用分别表示两条路径的行走方向。状态转移时将两条路径分别考虑： 【小结】从这个例子可以看出，改进的时候不能只依靠原始算法，还要分析原始算法的本质。 (2)用枚举处理增加的规模，从而解决问题 【例二】旅行（广东省奥林匹克竞赛2001） 【题目大意】给出一个N×M的数字矩阵，要求这个矩阵的一个子矩阵，并要求这个子矩阵的数字和最大。 【问题分析】初一看题目，想到枚举每一个子矩阵，求出子矩阵的和，比较得出最大值。这样，时间复杂度达到O(N4)，显然不可以接受。因为它是两维的问题，我们可以尝试着把维数降低。 先看一维时候的情况：在数列ai中找出和最大的一段。 对于一维的子问题，可以这样来想：如果用最基本的方法，可以枚举每个子序列。但是如果纯