《算法设计及分析》-第三章 动态规划.pptVIP

第3章 动态规划（Dynamic-Programming） 3.1 动态规划法的基本思想 3.2 动态规划法的适用条件 3.3 动态规划法的基本步骤 3.4 应用举例－0/1背包问题 3.1 动态规划法的基本思想 为求解给定问题，有一系列子问题需要解答。对这些子问题按照某种方式仔细设计，使得其后的每一个子问题都可以通过上面已经求出的一个或多个子问题的合并而获得其解。 3.1 动态规划法的基本思想 动态规划法与分治法的异同： 与分治法类似，动态规划法也是对问题进行递归分解。 而当递归分解得到的子问题不互相独立时，用分治法求解，则有些子问题被重复计算了许多次。而动态规划法通过保存已解决的子问题的解，在需要时再找出已求得的解，可以避免大量重复计算。 3.2 动态规划法的适用条件 动态规划法解所能解决的问题一般具有以下两个基本因素： 一、最优子结构性质 当问题的最优解包含着其子问题的最优解时，称该问题具有最优子结构性质。 二、重叠子问题性质 递归算法求解问题时，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。这种性质称为子问题的重叠性质。 其它同分治法 3.2 动态规划法的适用条件 一、最优子结构性质 当问题的最优解包含着其子问题的最优解时，称该问题具有最优子结构性质。 例1：Fibonacci数问题 n n≤1 F(n)＝ F(n-1)＋F(n-2) n1 3.2 动态规划法的适用条件 一、最优子结构性质 当问题的最优解包含着其子问题的最优解时，称该问题具有最优子结构性质。 例2：求解二项式系数 3.2 动态规划法的适用条件 一、最优子结构性质 3.2 动态规划法的适用条件 一、最优子结构性质 3.2 动态规划法的适用条件 一、最优子结构性质 3.2 动态规划法的适用条件 一、最优子结构性质 3.2 动态规划法的适用条件 一、最优子结构性质 3.2 动态规划法的适用条件 二、重叠子问题性质 递归算法求解问题时，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。这种性质称为子问题的重叠性质。 3.2 动态规划法的适用条件 二、重叠子问题性质 例1： Fibonacci数问题的递归树 3.2 动态规划法的适用条件 二、重叠子问题性质 例2： 求解二项式系数的递归树 3.3 动态规划法的基本步骤 找出最优解的性质，并刻划其结构特征。－－考察是否适合采用动态规划法。 递归地定义最优值(建立递归式或动态规划方程)。 以自底向上迭代的方式（或以自顶向下的备忘录方法）计算出最优值； 根据计算最优值时得到的信息，构造最优解。 3.3 动态规划法的基本步骤 例1 Fibonacci数问题 求解步骤： 1 具有最优子结构性质 2 具有重叠子问题性质 3 建立递归式或动态规划方程 4 求解值。 3.3 动态规划法的基本步骤 int Fib(int n) { f1=f2=0; for(f=1,i=0; i=n; i++) { f2=f1; f1=f; f=f1+f2; } return f; } 3.3 动态规划法的基本步骤 例2 求解二项式系数 求解步骤： 1 具有最优子结构性质 2 具有重叠子问题性质 3 建立递归式或动态规划方程 4 求解。 3.3 动态规划法的基本步骤 例2 求解二项式系数 求解方法： 1 动态规划法： 计算如下序列： S0={ } S1={ ， } S2={ ， ， } 3.3 动态规划法的基本步骤 例2 求解二项式系数 1 动态规划法： 3.3 动态规划法的基本步骤 例2 求解二项式系数 int Binom（int n, int m） { int b[MAXSIZE]; b[0]=1; for(i=1;i=n;i++) { b[i]=1 for(j=i-1;j0;j++) b[j]=b[j]+b[j-1]; } return b[m]; } 3.3 动态规划法的基本步骤 例2 求解二项式系数 求解方法： 2 备忘录法： 3.3 动态规划法的基本步骤 例2 求解二项式系数 2 备忘录法： 3.4 应用举例－0/1背包问题 3.4 应用举例－0/1背包问题 3.4 应用举例－0/1背包问题 0-1背包问题---权为整数的迭代法 void KnapSack(int v[ ],int w[ ],int c,int n,int m[