计算机理论和算法分析3动态规划.pptVIP

动态规划方法 .sg/~xujia/mirror// ;学习要点:;3.1优化问题; 例1 0/1背包问题;例2 多段图问题 设G=(V,E)是一个赋权有向图，其顶点集V被划分成k2个不相交的子集Vi: 1?i?k，其中，V1和Vk分别只有一个顶点s(称为源)和一个顶点t(称为汇)，图中所有的边(u,v)的始点和终点都在相邻的两个子集Vi和Vi＋1中：u?Vi，v?Vi＋1。找一条从s到t的最短路线。;动态规划的总体思想; 对策：分段决策。 在实际生活中，有一类问题的活动过程可以分成若干个阶段，而且在任一阶段后的行为依赖于该阶段的状态，与该阶段之前的过程如何达到这种状态的方式无关。 贝尔曼（Richard Bellman）等人提出了解决这类问题的“最优化原理”，从而创建了最优化问题的一种新的算法设计方法——动态规划。 ;最优化原理; 与分治法相同点：原问题的解由子问题的解构成。 不同点：子问题具有重叠性质。 一个多阶段过程问题，能够实现分段最优决策的条件是： 1、该问题是否有最优子结构性质 2、该问题的子问题否具有重叠性质。 最优子结构性质： 原问题的最优解包含了其子问题的最优解。 子问题重叠性质： 每次产生的子问题并不总是新问题，有些子问题被反复计算多次。 ;1;1;设计动态规划法的步骤：;3.1 多段图问题 设G=(V,E)是一个赋权有向图，其顶点集V被划分成k2个不相交的子集Vi: 1?i?k，其中，V1和Vk分别只有一个顶点s(称为源)和一个顶点t(称为汇)，图中所有的边(u,v)的始点和终点都在相邻的两个子集Vi和Vi＋1中：u?Vi，v?Vi＋1。如图所示。; 1）证明最优化原理对多段图成立。假设s vi,…,vk-1 ,t是一条由s到t的最短路径，如图所示。 假定从源点s开始，已作出了到结点vi的决策，下面的子问题是找出一条由vi到t的最短路径，因此初始决策所产生的状态vi 是子问题的初始状态。;显然子问题的最优解是vi，…，vk-1，t，如果不是，由由vi到t的最短路径是vi，qi+1，…，qk-1，t，则s，…，vi，qi+1，…，qk-1，t是一条比路径s，…，vi，…，vk-1，t更短的由s到t的路径。与假设矛盾，故最优性原理成立。因此它为使用动态规划方法来解多段图问题提供了可能。; 设P(i，j)是一条从Vi中的结点j到汇点t的最小成本路径， COST(i，j)是这条路的成本。则从Vi中节点j到t的最小代价为： cost((i,j)=min{cost(i+1,l)+c (j,l) }, l∈Vi+1 ， j∈Vi ; COST(3，6)＝min{6+COST(4，9)，5+COST(4，10)}＝7 COST(3，7)＝min{4+COST(4，9)，3+COST(4，10)}＝5 COST(3，8)＝7 COST(2，2)=min{4十COST(3，6)，2+COST(3，7)，1+COST(3，8)}=7 COST(2，3)＝9 COST(2，4)=18 COST(2，5)＝15 COST(1，1)＝min{9+COST(2，2)，7+COST(2，3)，3+COST(2，4)， 2+COST(2，5)}＝16 于是由s到t的最小成本路径的成本为16。; 3）构造最优解 如果在计算每一个COST(i，j)的同时，记下每个结点j所作的决策(即，使c(j，l)+COST(i+1，l)取最小值的j的后继节点r)，设它为D(i，j)，则可容易地求出这条最小成本路径。 D(3，6)＝10 D(3，7)＝10 D(3，8)＝10 D(2，2)=7 D(2，3)=6 D(2，4)＝8 D(2，5)＝8 D(1，1)＝2 P(1)＝1， P(5)＝12 P(2)= D(1，P(1) )=2, P(3)=D(3,P(2) ) = D(3, 2 )=7, P(4)＝D(2，P(3))=D(3，7)＝10;多段图的向前处理算法 procedure FGRAPH(G，k，n，P) {//G有n个结点的k段图。E是边集，c[i，j]是边i,j的成本。 P[1：k]是最小成本路径。// COST[n]， D[n一1]，P[k]，r，j，k，n COST[n]← 0 for j←n-1to 1 by -1 do //计算COST[j]// 　{设r是一个这样的结点，(j，r)?E且使c[j，r]+COST[r]取最小值