第3章动态规划1概要.pptx

动态规划(1) 李建敏 分治法 分治法所能解决的问题一般具有以下几个特征： 该问题的规模缩小到一定的程度就可以容易地解决 该问题可以分解为若干个规模较小的相同问题，即该问题具有最优子结构性质 利用该问题分解出的子问题的解可以合并为该问题的 解； 该问题所分解出的各个子问题是相互独立的，即子问题之间不包含公共的子问题。 动态规划 动态规划解决的问题一般具有以下几个特征： 该问题的规模缩小到一定的程度就可以容易地解决 该问题可以分解为若干个规模较小的相同问题，即该问题具有最优子结构性质 利用该问题分解出的子问题的解可以合并为该问题的解； 该问题所分解出的各个子问题不是相互独立的，即子问题之间包含公共的子问题。 动态规划与分治法 子问题是否相互独立的 动态规划思想 如果能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，就可以避免大量重复计算，从而得到多项式时间算法。 Those who cannot remember the past are doomed to repeat it. 动态规划基本步骤 找出最优解的性质，并刻划其结构特征 递归地定义最优值。 以自底向上的方式计算出最优值 根据计算最优值时得到的信息，构造最优解 矩阵乘法 矩阵连乘问题 给定n个矩阵：A1, A2, …, An，其中Ai与Ai+1是可乘的。确定一种连乘的顺序，使得矩阵连乘的计算量为最小 设A和B分别是p×q和q×r的矩阵，则乘积C=AB为p×r的矩阵，计算量为pqr次数乘 但是对于多于2个以上的矩阵连乘，连乘的顺序却非常重要，因为不同的顺序的总计算量将会有很大的差别 不同计算顺序差别 若按((A1A2)A3)来计算，则需要的数乘次数为10×100×5 + 10×5×50 = 7500 若按(A1(A2 A3))来计算，则需要的数乘次数为100 ×5 ×50+ 10×100×50 = 75000 不同计算顺序的数量 设n个矩阵的连乘有P(n)个不同的计算顺序 先在第k个和第k+1个矩阵之间将原矩阵序列分成两个矩阵子序列，k=1，…，n；再分别对两个子序列完全加括号，最后对结果加括号，便得到原序列的一种完全加括号方式。 不同计算顺序的数量 设n个矩阵的连乘有P(n)个不同的计算顺序。 由此可得出关于P(n)的递归式： 设解方程可得。 P(n)随n的增长呈指数增长。 9/28/15 计算机算法分析与设计 7 分解最优解的结构 将AiAi+1…Aj的矩阵连乘问题记为A[i: j]。 设A[1: n] 的一个最优解是在Ak和Ak+1处断开的，即A[1: n] = (A[1: k] A[k+1: n])，则A[1: k]和A[k+1: n]也分别是其最优解。 否者，若有A[1: k]的一个计算次序的计算量更少的话，则用此计算次序替换原来的次序，则得到A[1: n]一个更少计算量。矛盾。同理A[k+1: n]也是最优解。 9/28/15 计算机算法分析与设计 最优子结构性质 A1A2…An的矩阵连乘问题，即A[1: n]，的每个最优解中的子问题A[1: k]和A[k+1: n]的解也是该子问题的最优解。 最优子结构性质：如果某问题的每个最优解中的子问题的解也是最优的，则称该问题具有最优子结构性质。 换言之，满足最优子结构性质的问题的最优解是由子问题的最优解构成的。 9/28/15 计算机算法分析与设计 建立递归关系 令m[i][j] , 1≤i, j≤n，为计算A[i, j] 的最少数乘次数，则原问题为m[1][n]。 当i = j时，A[i, j]为单一矩阵， m[i][j] = 0； 当i＜j时，利用最优子结构性质有： 根据此递归式可以直接用递归程序来实现。 9/28/15 计算机算法分析与设计 建立递归关系 令m[i][j] , 1≤i, j≤n，为计算A[i, j] 的最少数乘次数，则原问题为m[1][n]。 当i = j时，A[i, j]为单一矩阵， m[i][j] = 0； 当i＜j时，利用最优子结构性质有： 只需数组P[n+1]就可存放各矩阵的行列数。 9/28/15 计算机算法分析与设计 递归的执行过程 该递归自顶向下地执行，如A[1: 4]计算： 1: 4 1: 1 2: 4 1: 2 3: 4 1: 3 4: 4 2: 2 3: 4 2: 3 4: 4 1:1 2: 2 3: 3 4: 4 1: 1 2: 3 1: 2 3: 3 3: 3 4: 4 2: 2 3: 3 2: 2 3: 3 1: 1 2: 2 9/28/15 计算机算法分析与设计 直接递归的时间复杂性 根据该递归式不难得出的时间复杂性为 n–1 1 + ∑(T(k) + T(n–k) + 1) k=1 T(n) ≥