第14节 动态规划.doc

第14章 动态规划 本章通过将实际问题当作多阶段决策过程来建立数学模型，学习和掌握动态规划的相关知识及其求解的逆序算法，并结合计算机编程解决实际问题。 14.1 引例：生产计划的制定 某工厂与用户订立合同，在四个月内出售一定数量的某种产品，产量限制为10的倍数，工厂每月最多生产100件，产品可以存储，存储费用为每台2百元，每个月的需求量及每件产品的生产成本见表14.1。 表14.1 生产成本和需要量 月份 每件生产成本（元） 需要量（件） 1 70 60 2 72 70 3 80 120 4 76 60 现在分别在（1）一月初没有存货可用和（2）一月初有20件存货可用这两种情况下确定每月的出产量，要求既能满足每月的合同需求量，又使生产成本和存储费用达到最小。 静态的看，本引例是一个整数规划问题，但这里我们可以把这个问题的解决动态地视为各月（一般称为阶段）先后作出决策（这里指生产量）的过程——多阶段的决策过程，而在每个月作决策时，不能仅考虑本月的费用（一般称为阶段指标）因为本月的决策会对以后各月的决策产生影响，因此应考虑从本月直到第四月末的总费用（总指标），而每月的决策依赖于各月初仓库的存货量（一般称为始端）和以前各月如何造成这货存量的情况无关（称为无后效性）。在例2中我们将计算一月初无存货可用时的最优决策见表2 表14.2 最优生产计划 1月 2月 3月 4月 月初存储量（件） 0 40 70 0 产量（件） 100 100 50 60 则第四月的决策即为月初仓储数为0时的最优决策，第三、四月的决策即为第三月初仓储数为70时的最优决策，以及第二、三、四月的决策即为第二月初仓储数为40时的最优决策。因为若不然，如对应于第三月初仓储数为70时，第三、四月的最优决策是分别生产80件和30件（即这样的费用比分别生产50件和60件更省），则我们保留第一、二月的生产数，而把第三第四月分别改为80件和30件，这个方案显然优于原来的方案，这和原来的方案是最优相矛盾。这个性质可以简述为：最优决策的任何截断仍是最优的（最优性原理）。把这一最优化问题视为符合最优性原理、无后效性的多阶段决策过程并进行求解的方法称为动态规划方法。 14.2 动态规划的基本理论复习 14.2.1基本思想与逆序解法的直观回顾 前面我们已简单介绍了动态规划。为了更便于 了解动态规划的基本思想、描述方式和逆序解法，我们来看一个确定网络最短路径问题的例子。 例1：（最短路径的确定）以下是一个赋权图，两顶点连线上的数字表示距离，确定一条从始点到终点铺设管道并使总距离最短的路线。 V4 1 6 2 V11 3 V2 3 3 V8 2 5 V14 4 5 6 V5 5 8 1 V12 2 5 3 V16 V1 3 V9 2 6 6 V15 3 8 7 V6 3 V13 V3 6 8 3 V10 3 V7 4 图14.1 直观上我们有这样一个重要常识：如果由起点经过点和点而到达终点是一条最短路线，则由点出发经过点到达终点的这条路线，对于从点出发 到达终点的所有可能选择的不同路线来说， 必定也是最短路线。例如在最短路线问题中，若找到了是由点到点最短路线，则应该是由点出发到达终点的所有可能选择的不同路线中最短路线。这一特征即为上面所提到的最优性原理：最优性决策的任何截断仍是最优的，这是动态规划的基本原理。 根据最优性原理，寻找最短路线可从最后一段开始，用由后向前逐步递推的方法，求出各点到点的最短路线，最后求得由点到点的最短路线，所以动态规划的逆序求解方法是从终点逐段向始点方向寻找最短路线的一种方法。下面逐段完成计算。 例1当然可以用图与网络实验中介绍的Dijkstra算法来求解，但这里我们将把该问题看成6个阶段的决策过程，并逆序逐段求解，从而较直观地揭示动态规划的基本思想。 时，以表示由到的最短距离，以表示由到的最短距离，则，。 时，出发点有三个、和