算法设计与分析Chapter3Veron.pptVIP

最优二叉搜索树 动态规划方法 求E(1,4) E(1,4) E(1,0) E(2,4) E(1,1) E(3,4) E(1,2) E(4,4) E(1,3) E(5,4) E(2,1) E(2,2) E(2,3) E(3,3) E(3,2) E(4,3) q4 = q3 = q2 = q1 = q0 = 最优二叉搜索树 算法 数据结构 E[1:n+1; 0:n]: 存储优化解搜索代价 W[1: n+1; 0:n]: 存储代价增量 Root[1:n; 1:n]: Root(i, j)记录子问题 {xi, …, xj}优化解的根 最优二叉搜索树 Optimal-BST(p, q, n) For i=1 To n+1 Do E(i, i-1) = qi-1; W(i, i-1) = qi-1; For l=1 To n Do For i=1 To n-l+1 Do j=i+l-1; E(i, j)=?; W(i, j)=W(i, j-1)+pj+qj; For r=i To j Do t=E(i, r-1)+E(r+1, j)+W(i, j); If tE(i, j) Then E(i, j)=t; Root(i, j)=r; Return E and Root 最优二叉搜索树 时间复杂性 (l, i, r)三层循环，每层循环至多n步 时间复杂性为O(n3) 空间复杂性 二个(n+1)?(n+1)数组，一个n?n数组 O(n2) * * 凸多边形最优三角剖分 弦 连接多边形上不相邻顶点vi和vj的线段 三角剖分 将多边形划分为不相交的三角形的弦的集合 v0 v1 v2 v3 v4 v5 v6 凸多边形最优三角剖分 凸多边形的最优三角剖分问题 输入：凸多边形P和代价函数w w指定了每个三角形的代价 如w(vi vj vk)=|vi vj|+|vj vk|+|vk vi| 输出：P的三角剖分T，使得 最小 ST是T所对应的三角形集合 凸多边形最优三角剖分 优化子结构 P=(v0,v1,...,vn)是n+1个顶点的凸多边形 TP是P的优化三角剖分，包含三角形v0vk vn v0 v1 v2 vk vk+1 vk+2 vn TP=T(v0, ..., vk)∪T(vk, ..., vn)∪{v0vkvn} 凸多边形最优三角剖分 定理（优化子结构） 设P=(v0,v1,...vn)是n+1个顶点的凸多边形. 如果TP是P的最优三角剖分且包含三角形v0vk vn，即 TP=T(v0, ..., vk)∪T(vk, ..., vn)∪{v0vkvn} 则 (1). T(v0, ..., vk)是P1=(v0,v1, ...,vk)的优化三角剖分， (2). T(vk, ..., vn)是P2=(vk,vk+1,...,vn)的优化三角剖分 v0 v1 v2 vk vk+1 vk+2 vn 凸多边形最优三角剖分 最优三角剖分的递归结构 设t(i, j)为凸多边形{vi-1, …, vj}的最优三角剖分的代价 设退化的多边形{vi-1, vi}具有权值0 凸多边形最优三角剖分 重叠子问题 v0 v1 v2 v3 v4 v5 v6 v0 v1 v2 v3 v4 v5 v6 凸多边形最优三角剖分 动态规划方法 与矩阵连乘方法一致 t[1,5] t[1,4] t[1,3] t[1,2] t[2,5] t[3,5] t[4,5] t[2,4] t[2,3] t[3,4] t[1,1] t[5,5] t[2,2] t[3,3] t[4,4] 计算t(1, 5) 凸多边形最优三角剖分 动态规划方法 t[1,5] t[1,4] t[1,3] t[1,2] t[1,1] t[2,5] t[3,5] t[4,5] t[5,5] t[2,4] t[2,3] t[2,2] t[3,4] t[3,3] t[4,4] 计算t(1, 5) 凸多边形最优三角剖分 关系 矩阵连乘的最优计算次序问题是凸多边形最优三角剖分问题的特殊情况 0-1背包问题 0-1背包问题 输入：n 种物品和一个背包 物品 i 的重量是 wi，价值为 vi 背包的容量是 C 输出：装入背包的物品 优化目标：装入背包的物品总价值最大