DynamicProgramming技术.pptVIP

4.1 Elements of Dynamic Programming Divide-and-conquer技术的问题 子问题是相互独立的 如果子问题不是相互独立的，分治方法将重复计算公共子问题，效率很低 优化问题 给定一组约束条件和一个代价函数，在解空间中搜索具有最小或最大代价的优化解 很多优化问题可分为多个子问题，子问题相互关联，子问题的解被重复使用 Dynamic Programming算法的设计步骤 分析优化解的结构 递归地定义最优解的代价 自底向上地计算优化解的代价保存之， 并获取构造最优解的信息 根据构造最优解的信息构造优化解 矩阵链乘法的代价与计算顺序的关系 设A1=10?100矩阵, A2=100?5矩阵, A3=5?50矩阵 T((A1?A2)?A3)=10?100?5+10?5?50=7500 T(A1?(A2?A3))=100?5?50+10?100?50=750000 矩阵链乘法优化问题的解空间 设p(n)=计算n个矩阵乘积的方法数 p(n)的递归方程 下边开始设计求解矩阵链乘法问题的Dynamic Programming算法 分析优化解的结构 递归地定义最优解的代价 自底向上地计算优化解的代价保存之， 并获取构造最优解的信息 根据构造最优解的信息构造优化解 两个记号 Ai-j=Ai?Ai+1?....?Aj cost(Ai-j )=计算Ai-j的代价 优化解的结构 若计算A1?n的优化顺序在k处断开矩阵链, 即A1?n=A1?k?Ak+1?n，则在A1?n的优化顺序中，对应于子问题A1?k的解必须是A1-k的优化解，对应于子问题Ak+1?n的解必须是Ak+1?n的优化解 假设 m[i, j] = 计算Ai?j的最小乘法数 m[1, n] = 计算A1?n的最小乘法数 A1 ... Ak Ak+1 .... An 是优化解(k实际上是不可预知) 代价方程 m[i, i] = 计算Ai ? i 的最小乘法数= 0 m[i, j] = m[i, k] + m[k+1, j] + pi-1pkpj 其中, pi-1pkpj是计算Ai?k?Ak+1?j所需乘法数, Ai? k和Ak+1 ? j分别是pi-1?pk和pk?pj矩阵. 考虑到所有的k，优化解的代价方程为 m[i, j]= 0 if i=j m[i, j]= mini?kj{ m[i, k]+m[k+1, j]+pi-1 pk pj } if ij Matrix-Chain-Order(p) n=length(p)-1； FOR i=1 TO n DO m[i, i]=0; FOR l=2 TO n DO /* 计算地l对角线 */ FOR i=1 TO n-l+1 DO j=i+l-1; m[i, j]=∞; FOR k?i To j-1 DO /* 计算m[i,j] */ q=m[i, k]+m[k+1, j]+pi-1pkpj IF qm[i, j] THEN m[i,j]=q; Return m. Matrix-Chain-Order(p) n=length(p)-1； FOR i=1 TO n DO m[i, i]=0; FOR l=2 TO n DO FOR i=1 TO n-l+1 DO j=i+l-1; m[i, j]=∞; FOR k?i To j-1 DO q = m[i, k]+m[k+1, j]+pi-1 pk pj IF qm[i, j] THEN m[i,j]=q，s[i,j]=k; Return m and s. Print-Optimal-Parens(s, i, j) IF j=i THEN Print “A”i; ELSE Print “(” Print-Optimal-Parens(s, i, s[i, j]) Print-Optimal-Parens(s, s[