ACM第一次动态规划.ppt

动态规划 动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题 算法总体思想 n T(n/2) T(n/2) T(n/2) T(n/2) T(n) = 算法总体思想 动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题 n T(n/2) T(n/2) T(n/2) T(n/2) T(n) = 但是经分解得到的子问题往往不是互相独立的。不同子问题的数目常常只有多项式量级。在用分治法求解时，有些子问题被重复计算了许多次。 算法总体思想 n T(n) = n/2 T(n/4) T(n/4) T(n/4) T(n/4) n/2 T(n/4) T(n/4) T(n/4) T(n/4) n/2 T(n/4) T(n/4) T(n/4) T(n/4) n/2 T(n/4) T(n/4) T(n/4) T(n/4) 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。 算法总体思想 n = n/2 T(n/4) T(n/4) T(n/4) T(n/4) n/2 n/2 T(n/4) T(n/4) n/2 T(n/4) T(n/4) T(n/4) T(n/4) T(n/4) T(n) Those who cannot remember the past are doomed to repeat it. -----George Santayana, The life of Reason, Book I: Introduction and Reason in Common Sense (1905) 适用动态规划策略解决问题特征 最优子结构： 一个最优化策略具有这样的性质，不论过去状态和决策如何，对前面的决策所形成的状态而言，余下的诸多决策必须构成最优策略。简言之，一个最优化策略的子策略总是最优的。 无后向性 某一阶段一旦确定，就不受这个状态以后决策的影响。 子问题重叠 子问题之间不独立，一个子问题在一下阶段决策中可能多次使用到。 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。 【例1】数塔 hdu 2084 有如下所示的数塔，要求从顶层走到底层，若每一步只能走到相邻的结点，则经过的结点的数字之和最大是多少？ 这道题如果用枚举法（暴力思想），在数塔层数稍大的情况下（如31），则需要列举出的路径条数将是一个非常庞大的数目（2^30= 1024^3 10^9=10亿）。 拒绝暴力，倡导和谐～ 数组存放在a[N][N]里，下三角。 自底向上 即： b[i][j]=a[i][j]+max{b[i+1][j],b[i+1][j+1]}。 for(i=1;i=6;i++) for(j=1;j=i;j++) scanf(%d,a[i][j]); for(i=1;i=6;i++) b[6][i]=a[6][i]; for(i=5;i=1;i--) for(j=i;j=1;j--) if(b[i+1][j]b[i+1][j+1]) {b[i][j]=a[i][j]+b[i+1][j]; } else {b[i][j]=a[i][j]+b[i+1][j+1];} printf(“%d\n”,b[1][1]); 【例2】最大子段和 (hdu 1003) Description 有一组数,如-2 5 4 -3 7 的最大子段和是13, 是从5到7. Input 第一行输入一个n(1N=100)表示这一组数有多长,第二行是N个数. 测试案例有多个,n=0时结束. Output 输出这一组数的最大子段和. Sample Input 5 -2 5 4 -3 7 10 9 -3 8 -28 98 -30 -20 50 -24 10 0 Sample Output 13 98 最大子段和 b[j]= b[j]=max(b[j-1]+a[j],a[j]},1j=n b[1]=a[1] #include stdio.h #define N 100 int a[N]; int main() { int i,n,b[N],max; while(scanf(%d,n)n!=0) { for(i=1;i=n;i++) scanf(%d,a[i]); b[1]=a[1]; for(i=2;i=n;i++) { if(b[i-1]0) b[i]=b[i-1]+a[i]; else b[i]=a[i]; } max=b[1]; for(i=1;i=n;i++) i