04 动态规划.pptVIP

* Knapsack problem * 0-1背包问题 给定n种物品和一背包。物品i的重量是wi，其价值为vi，背包的容量为C。问应如何选择装入背包的物品，使得装入背包中物品的总价值最大? 0-1背包问题是一个特殊的整数规划问题。 * Example Items 3 and 4 have value 40 Greedy: repeatedly add item with maximum ratio vi / wi {5,2,1} achieves only value = 35, not optimal Item Value Weight 1 1 1 2 6 2 3 18 5 4 22 6 5 28 7 W = 11 * Def. OPT(i, W) = max profit subset of items 1, …, i with weight limit W. Case 1: OPT does not select item i. OPT selects best of { 1, 2, …, i-1 } using weight limit W Case 2: OPT selects item i. new weight limit = W – wi OPT selects best of { 1, 2, …, i–1 } using this new weight limit Dynamic Programming * Knapsack Problem: Bottom-Up Knapsack. Fill up an n-by-W array. Input: n, W, w1,…,wn, v1,…,vn for w = 0 to W M[0, w] = 0 for i = 1 to n for w = 1 to W if (wi w) M[i, w] = M[i-1, w] else M[i, w] = max {M[i-1, w], vi + M[i-1, w-wi ]} return M[n, W] * Knapsack Algorithm 0 1 2 3 4 5 6 7 8 9 10 11 empty 0 0 0 0 0 0 0 0 0 0 0 0 {1} 0 1 1 1 1 1 1 1 1 1 1 1 {1,2} 0 1 6 7 7 7 7 7 7 7 7 7 {1,2,3} 0 1 6 7 7 18 19 24 25 25 25 25 {1,2,3,4} 0 1 6 7 7 18 22 24 28 29 29 40 {1,2,3,4,5} 0 1 6 7 7 18 22 24 28 29 34 40 W+1 n+1 OPT = 40 * Knapsack Problem: Running Time Running time. O(n W). Not polynomial in input size! Pseudo-polynomial. Decision version of Knapsack is NP-complete. Knapsack approximation algorithm. There exists a polynomial algorithm that produces a feasible solution that has value within 0.0001% of optimum. * 凸多边形最优三角剖分 用多边形顶点的逆时针序列表示凸多边形，即P={v0,v1,…,vn-1}表示具有n条边的凸多边形。 若vi与vj是多边形上不相邻的2个顶点，则线段vivj称为多边形的一条弦。弦将多边形分割成2个多边形{vi,vi+1,…,vj}和{vj,vj+1,…vi}。 多边形的三角剖分是将多边形分割成互不相交的三角形的弦的集合T。 给定凸多边形P，以及定义在由多边形的边和弦组成的三角形上的权函数w。要求确定该凸多边形的三角剖分，使得即该三角剖分中诸三角形上权之和为最小。 * 三角剖分的结构及其相关问题 一个表达式的完全加括号方式相应于一棵完全二叉树，称为表达式的语法树。例如，完全加括号的矩阵连乘积((A1(A2A3))(A4(A5A6)))所相应的语法树如图 (a)所示。 凸多边形{v0,v1,…vn-1}的三角剖分也可以用语法树表示。例如，图 (b)中凸多边形的三角剖分可用图 (a)所示的语法树表示。 矩阵连乘积中的每个矩阵Ai对应于凸(n+1)边形中的一条边vi-1vi。三角剖分中的一条弦vivj，ij，对应于矩阵连乘积A[i+1:j]。 *