2015.12.18动树形动规与优化方法态规划(二).ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 简化方程 用一个二叉堆来维护S(i-k)，每次求F(i)之前的操作如下： 算法二——堆 求F(i-1)时，求min{S(i-m-1), ……,S(i-2)} 求F(i)时， 求min{S(i-m),……,S(i-1)} ☆在堆中删除元素S(i-m-1)，插入元素S(i-1).复杂度O(2log2n) ☆从堆中取出当前最小值.复杂度O(1) 所以计算的总复杂度为O(nlog2n) 队列优化 在算法二中，考虑用队列来维护决策值S(i-k)。每次只需要在队首删掉S(i-m-1)，在队尾添加S(i-1) 。但是取最小值操作还是需要O(n)时间复杂度的扫描。 考察在添加S(i-1)的时候，设现在队尾的元素是S(k)，由于ki-1，所以S(k)必然比S(i-1)先出队。若此时S(i-1)=S(k)，则S(k)这个决策永远不会在以后用到，可以将S(k)从队尾删除掉（此时队列的尾部形成了一个类似栈的结构） 队列优化 同理，若队列中两个元素S(i)和S(j)，若ij且S(i)=S(j)，则我们可以删掉S(i)（因为S(i)永远不会被用到）。此时的队列中的元素构成了一个单调递增的序列，即： S1S2S3……Sk 算法三 我们来整理在求F(i)的时候，用队列维护S(i-k)所需要的操作： ☆若当前队首元素S(x)，有xi-m，则S(x)出队；直到队首元素S(x)有x=i-m为止。 ☆若当前队尾元素S(k)=S(i-1)，则S(k)出队；直到S(k)S(i-1)为止。 ☆在队尾插入S(i-1) ☆取出队列中的最小值，即队首元素。 算法三 由于对于求每个F(i)的时候，进队和出队的元素不止一个。 但是我们可以通过分摊分析得知，每一个元素S(i)只进队一次、出队一次，所以队列维护的时间复杂度是O(n)。而每次求F(i)的时候取最小值操作的复杂度是O(1)，所以这一步的总复杂度也是O(n)。 综上所述，该算法的总复杂度是O(n) * * * * * * * * * * * * * * * * * * * * * * * * * * 双向规划与双向搜索的主要思想类似：在状态空间十分庞大，而初始状态和目标状态又都已确定，为了减少状态的规模，分别从初始状态和目标状态两个方向进行扩展，并在两者的交汇处得到问题的解。 例题4：Divide (Merc`2000) 有价值分别为1..6的大理石各a[1..6]块，现要将它们分成两部分，使得两部分价值和相等，问是否可以实现。其中大理石的总数不超过20000。 动态规划时间效率的优化 令S=∑(i*a[i])，若S为奇数，则不可能实现，否则令Mid=S/2， 问题转化为能否从给定的数中中选取部分数，使其和为Mid。 设m[i, j]表示能否从价值为1..i的大理石中选出部分大理石， 使其价值和为j，若能，则用true表示，否则用false表示。 则状态转移方程为： m[i, j]=m[i-1, j] OR m[i-1,j-i*k] (1≤k≤a[i]) 规划的边界条件为：m[i,0]=true； 0≤i≤6 若m[i, Mid]=true，0≤i≤6，则可以实现题目要求，否则不可 能实现。 算法分析 上述算法每个状态转移的状态数为a[i]，每次状态转移的时间为O(1)，状态总数是所有值为true的状态的总数。 本题在i较小时，值为true的状态也较少，但随着i的增大， 值为true的状态也急剧增多，影响了算法的时间效率。 我们分别求出从价值为1..3的大理石中选出部分大理石所能 获得的所有价值和，和从价值为4..6的大理石中选出部分大 理石所能获得的所有价值和。再判断是否存在和为Mid的价 值和，从而得出问题的解。 算法优化 状态转移方程改进为： 当i≤3时：m[i, j]=m[i-1, j] OR m[i-1,j-i*k] (1≤k≤a[i]) 当i3时：m[i, j]=m[i+1, j] OR m[i+1,j-i*k] (1≤k≤a[i]) 规划的边界条件为：m[i,0]=true； 0≤i≤7 若存在k，使得m[3,k]=true, m[4,Mid-k]=true，则 可以实现题目要求，否则无法实现。 回顾本题的优化过程可以发现：本题的实际背景与双向