第4章2 贪心及动态.ppt

4.4 贪婪算法 4.4.1 可绝对贪婪问题 4.5 动态规划 4.5.1 认识动态规划 4.5.2 算法框架 4.5.3 突出阶段性的动态规划应用 4.5.4 突出递推的动态规划应用 4.6 算法策略间的比较 4.6.1 不同算法策略特点小结 4.6.2 算法策略间的关联 数据结构设计： 1) 开辟一维数组q来存储原始数据。 2) 另开辟一维数组f存储当前最大收益情况。 3) 开辟记录中间结果的一维数组数组temp，记录正在计算的最大收益。 4) 开辟二维数组a,记录前i个工程投资j获得最大利润时，第i个工程分配的资源数。 5) 数组gain存储第i个工程的投资数。 main( ) { int i, j, k,m,n, rest; int a[100][100]，gain[100]; float q[100],f[100],temp[100]; print(How mang item? ); input (m); print(How mang money? ); input (n); for( j=0;j= n;j++) { input(q[j]); f[j]=q[j]; } //第一个项目利润表  for( j=0;j= n;j++) a[1,j]=j; for( k=2;k=m;k++) { for( j=0;j= n;j++) //其他项目利润表 { temp[j]=q[j]; input(q[j]); a[k][j]=0;} for( j=0 ;j= n;j++) 　 for( i=0 ;i=j;i++) if(f[j-i]+q[i]temp[j]) { temp[j]=f[j-i]+q[i]; a[k,j]=i; } for(j=0;j= n;j++) f[j]=temp[j]; } rest=n; for(i=m;i=1;i--) { gain[i]=a[i][rest]; rest=rest-gain[i];} for(i=1;i=m;i++) print(gain[i], ); print(f[n]);} 这一节问题的设计角度是从递推思想进行的,设计中只要找出大规模问题与小规模问题(子问题)之间的递推关系,最后一个子问题所得最优解就是原问题的最优解。 【例1】求两个字符序列的最长公共字符子序 列。 注意：子序列 与 子串 不同 子序列指从给定的字符序列中随意去掉若干个字符后形成的序列。 ABCDEFG ACEF就是一个子序列 问题分析 若A的长度为n，若B的长度为m，则 A的子序列共有： B的子序列共有： 如采用枚举策略，当m=n时，共进行串比较： 耗时太多,不可取。 此问题不可能简单地分解成几个独立的子问题，也不能用分治法来解。所以，我们只能用动态规划的方法去解决。 算法设计 1.递推关系分析 设 A=a0，a1，…，am-1， B=b0，b1，…，bn-1， Z=z0,z1,…,zk-1 为它们的最长公共子序列。 有以下结论： 1)如果am-1=bn-1,则zk-1=am-1=bn-1,且“z0,z1,…,zk-2”是“a0,a1,…,am-2”和“b0,b1,…,bn-2”的一个最长公共子序列； 2)如果am-1≠bn-1，则若zk-1≠am-1，蕴涵“z0，z1，…，zk-1”是“a0,a1,…,am-2”和“b0,b1,…,bn-1”的一个最长公共子 序列； 3)如果am-1≠bn-1，则若zk-1≠bn-1，蕴涵z0，z1，…， zk-1是a0，a1，…，am-1和b0，b1，…，bn-2的一个最长公共子序列。 2.存储、子问题合并 定义c[i][j]为序列a0,a1,…,ai-1和b0,b1,…,bj-1的 最长公共子序列的长度，计算c[i][j]可递归地表述如下： 1)c[i][j]=0 如果i=0或j=0； 2)c[