深入分区间型动态规划.docVIP

深入分析区间型动态规划 ??????? 郑州市第九中学??? 张旭祥 ? 区间型动态规划在信息学竞赛中应用甚广，它是动态规划中的经典问题，最小代价字母树是这类动态规划最经典的体现，对于初学者而言这类动态规划并不太好理解。于是，区间型动态规划又成了动态规划中的难点问题。下面，本文将为大家深入分析区间型动态规划的思想及其程序的实现，希望能对大家有所帮助。 历届大赛中区间型动态规划题目的考查。 区间型动态规划是各大信息竞赛出题的热点，具体体现在以下题目： 合并石子----NOI1995 能量项链---NOIP2006 加分二叉树----NOIP2003 最优排序二叉树---- CTSC96 这些题目出现的频次及其所在比赛的重要性足以说明区间型动态规划在各类动态规划中有着举足轻重的地位。 二、区间型动态规划的算法分析 在这里就以经典的最小代价字母树作为例子，对区间型动态规划的算法进行分析。 问题描述： 给定一个序列，如4、1、2、3我们将他们相加进行合并，最终合并成一个数，每次相加的代价是两个加数的和，求怎样的相加顺序可以使总代价最小。 很多初学者认为这类动态规划不易理解，其重要原因是这类动态规划与其他动态规划的思想不大相同，而初学者又是利用其他动态规划的思想来解决这类动态规划，从而进入了思维误区。这种错误的思维模式一旦建立便很难重新建立正确的解题思想，从而陷入绝境。 这类动态规划正确的解法是这样的： 首先，根据动态规划无后效性的性质可以想到：对于一个序列：A1、A2……An，假如最后相加的两个数是第一个数到第i个数的和S[1--i]以及第i+1个数到第n个数的和S[i+1--n]，另外，对于第一个数到第i个数相加的最小代价是F[1,i]以及从第i+1到第n个数相加的最小代价为F[i+1,n]，则总代价即为F[i+1,n]+F[1,i](前面相加的最小代价)+ S[1--i]+ S[i+1--n]（最后一次相加的最小代价）。由此，我们可以清楚的看出要想求出总代价的最小值只要枚举i的位置，使得F[i+1,n]+F[1,i] + S[1--i]+ S[i+1--n]的和最小即可。综上所述我们可以总结出状态转移方程： F[I,J]:=min{F[I,k]+F[k+1,j]+S[I,k]+S[k+1,j]} 状态转移数组F即代表从第i个数到第j个数相加的最小代价，S数组为预处理好的从第i个数到第j个数的和。 核心代码如下： For i:=1 to n do For j:=1 to n-I do For k:=j to i+j-1 do ? If F[j,i+j]F[j,k]+F[k+1,i+j]+S[j,k]+S[k+1,i+j] ?? then F[j,i+j]:=F[j,k]+F[k+1,i+j]+S[j,k]+S[k+1,i+j]; 最小值ANS为F[1,n]. 二、区间型动态规划的具体应用 1、石子归并 题目描述： 在一个圆形操场的四周摆放着N堆石子(N= 100),现要将石子有次序地合并成一堆.规定每次只能选取相邻的两堆合并成新的一堆,并将新的一堆的石子数,记为该次合并的得分.编一程序,由文件读入堆栈数N及每堆栈的石子数(=20). (1)选择一种合并石子的方案,使用权得做N－1次合并,得分的总和最小; (2)选择一种合并石子的方案,使用权得做N－1次合并,得分的总和最大; 输入数据: 第一行为石子堆数N; 第二行为每堆的石子数,每两个数之间用一个空格分隔. 输出数据: 从第一至第N行为得分最小的合并方案.第N+1行是空行.从第N+2行到第2N+1行是得分最大合并方案.每种合并方案用N行表示,其中第i行(1=i=N)表示第i次合并前各堆的石子数(依顺时针次序输出,哪一堆先输出均可).要求将待合并的两堆石子数以相应的负数表示. 输入输出范例: 输入: 4 4 5 9 4 输出: -4 5 9 -4 -8 -5 9 -13 -9 22 4 -5 -9 4 4 -14 -4 -4 -18 22 这道题目可以说跟最小代价字母树只有两个不同的地方，一个是所求序列是一个环形的，另一个是要求输出方案，对于输出方案而言，只需要用一般动态规划记录方案的方法即可，因为不是本文的重点在此就不再深究。对于所求序列是环形的问题其实只需要用一个小小的技巧便轻松解决，请先看代码： {------------------预处理------------------} Read(n); For? i:=1 to n do Begin ? Read(a[i]); ? a[i+n]:=a[i]; End; For i:=1 to n do For j:=1 to n do ? For k:=i to j do ??? S[I,j]:=S[I,j]+a[