2009-2010-2《算法分析》-7动态规划--1.ppt

动态规划 学习要点: 理解动态规划算法的概念。 掌握动态规划算法的基本要素 （1）最优子结构性质 （2）重叠子问题性质 掌握设计动态规划算法的步骤。 (1)找出最优解的性质，并刻划其结构特征。 (2)递归地定义最优值。 (3)以自底向上的方式计算出最优值。 (4)根据计算最优值时得到的信息，构造最优解。 通过应用范例学习动态规划算法设计策略。 （1）最短路径问题 （2）最长公共子序列； （3）矩阵连乘问题 （4）图的任意两点间的最短距离 （5）流动推销员问题 （6）背包问题 （7）整数规划问题 （8）流水作业调度 问题对象 这一强有力的算法设计技术，广泛应用于求解组合最优化问题。 它不递归调用自身，但问题的基本解通常是用递归函数的形式来说明。 而分治法是直接实现递推的结果，往往会导致不止一次的递归调用 动态规划采用自底向上的方式递推求值，并把中间结果存储起来以便以后用来计算所需要求的解。（事实上是采用了空间换时间的算法） 动态规划可以设计出特别有效的解决许多组合最优化问题。 比如：旅行商问题 有n个城市，城市之间有不等长的道路连接，一个旅行商要走遍所有城市，请找到一条最短的步行方法？ 用蛮力算法需要O(n!) 用动态规划可以在O(n2 2n)内解决。 简单例子1：Fibonacci序列 无穷数列1，1，2，3，5，8，13，21，34，55，……，称为Fibonacci数列。它可以递归地定义为： 简单例子1：Fibonacci序列 第n个Fibonacci数可递归地计算如下： int fibonacci(int n) { if (n = 1) return 1; return fibonacci(n-1)+fibonacci(n-2); } 时间复杂度分析： 要计算n=k 时的f(k)的值，利用上面的递归程序： f(k)= f(k-1) + f(k-2) = [f(k-2)+f(k-3)]+ [f(k-3)+f(k-4)] = {[f(k-3)+f(k-4)]+[f(k-4)+f(k-5)]} +{[f(k-4)+f(k-5)]+[f(k-6)+f(k-7)]} =…… 这种自上而下的方法，导致巨大数量的重复调用。 时间复杂度分析： 如果计算f(1)和f(2)需要一个单位时间，那么求f(n)的时间复杂度为： 1 , n=1,2 T(n)= T(n-1)+T(n-2), n=3 显然有：T(n)=f(n)，即求f(n) 的时间是f(n)， 而f(n)??(?n), ?=1.618…. 用自上而下的方法用的是指数时间求出f(n). 用自底向上的方法： int f(int n) { int x=1,y=1,z,j; for(j=2;j=n;j++) { z=x+y; x=y;y=z; } return z; } 用自底向上的方法： 时间复杂度为：O(n),空间复杂度为O(1); 而用递归的自上到下的方法的空间复杂度为0. 即：用O(1)的空间，把复杂度从指数级降到线性。 求二项式系数(n,k) 容易证明，求(n,k)的时间复杂度为指数级。 可以用杨辉三角形的方法，求出(n,k)，时间复杂度降为O(n 2)， 为什么？空间复杂度哪？ 杨辉三角形 n=1 1 1 n=2 1 2 1 1 3 3 1 1 4 6 4 1 1 5 10 10 5 1 n=6 1 6 15 20 15 6 1 .….. k= 0 1 2 3 4 5 6 杨辉三角形 n=1 1 1 n=2 1 2 1 1 3