第6章 动态规划法(修改).pptVIP

思考 假设你正在管理一条公路的广告牌建设，这条路从西到东M英里。广告牌可能的地点假设为x1,x2,x3…xn，处于［0,M]中。若在xi放一块广告牌，可以得到ri0的收益。 国家公路局规定，两块广告牌相对不能小于或等于5英里之内。 如何找一组地点使你的总收益达到最大？ 动态规划 认识动态规划 算法框架 思考 假设你正在管理一条公路的广告牌建设，这条路从西到东M英里。广告牌可能的地点假设为x1,x2,x3…xn，处于［0,M]中。若在xi放一块广告牌，可以得到ri0的收益。 国家公路局规定，两块广告牌相对不能小于或等于5英里之内。 如何找一组地点使你的总收益达到最大？ 解答 假设M=20, n=4, {x1,x2,x3,x4}={6,7,12,14} 且｛r1,r2,r3,r4}={5,6,5,1} 最优解：｛x1,x3} 令e(j)表示编号比j小且距xj大于５英里的最东边的地点 令OPT(j)表示从x1,…,xj中地点的最优子集得到的收益 OPT(j)=max(rj+ OPT(e(j)), OPT(j-1)) 按下述方法来划分阶段：第一阶段，只装入前1个物品，确定在各种情况下的背包能够得到的最大价值；第二阶段，只装入前2个物品，确定在各种情况下的背包能够得到的最大价值；依此类推，直到第n个阶段。最后，V(n,C)便是在容量为C的背包中装入n个物品时取得的最大价值。为了确定装入背包的具体物品，从V(n,C)的值向前推，如果V(n,C)V(n-1,C)，表明第n个物品被装入背包，前n-1个物品被装入容量为C-wn的背包中；否则，第n个物品没有被装入背包，前n-1个物品被装入容量为C的背包中。依此类推，直到确定第1个物品是否被装入背包中为止。由此，得到如下函数： （式6.13） 设n个物品的重量存储在数组w[n]中，价值存储在数组v[n]中，背包容量为C，数组V[n+1][C+1]存放迭代结果，其中V[i][j]表示前i个物品装入容量为j的背包中获得的最大价值，数组x[n]存储装入背包的物品，动态规划法求解0/1背包问题的算法如下： 算法6.3——0/1背包问题 int KnapSack(int n, int w[ ], int v[ ]) { for (i=0; i=n; i++) //初始化第0列 V[i][0]=0; for (j=0; j=C; j++) //初始化第0行 V[0][j]=0; for (i=1; i=n; i++) //计算第i行，进行第i次迭代 for (j=1; j=C; j++) if (jw[i]) 算法6.3——0/1背包问题 V[i][j]=V[i-1][j]; else V[i][j]=max(V[i-1][j], V[i-1][j-w[i]]+v[i]); j=C; //求装入背包的物品 for (i=n; i0; i--) { if (V[i][j]V[i-1][j]) { x[i]=1; j=j-w[i]; } else x[i]=0; } return V[n][C]; //返回背包取得的最大价值 } 在算法6.3中，第一个for循环的时间性能是O(n)，第二个for循环的时间性能是O(C)，第三个循环是两层嵌套的for循环，其时间性能是O(n×C)，第四个for循环的时间性能是O(n)，所以，算法6.3的时间复杂性为O(n×C)。 6.3.2 最长公共子序列问题 对给定序列X=(x1, x2,…, xm)和序列Z=(z1, z2,…, zk)，Z是X的子序列当且仅当存在一个严格递增下标序列(i1, i2,…, ik)，使得对于所有j=1, 2, …, k，有zj=xij（1≤i j≤m）。 给定两个序列X和Y，当另一个序列Z既是X的子序列又是Y的子序列时，称Z是序列X和Y的公共子序列。最长公共子序列问题就是在序列X和Y的公共子序列中查找长度最长的公共子序列。 证明最长公共子序列问题满足最优性原理。 设序列X={x1, x2,…, xm}和Y={y1, y2,…, yn}的最长公共子序列为Z={z1, z2,…, zk}，记Xk为序列X中前k个连续字符组成的子序列，Yk为序列Y中前k个连续字符组成的子序列，Zk为序列Z中前k个连续字符组成的子序列，显然有下式成立： （1）若xm=yn，则zk=xm=yn，且Zk-1是Xm-1和Yn-1的最长公共子序列； （2）若xm≠yn且