动态规划课件教学教材.pptVIP

第五章 动态规划;5.1动态规划的设计思想 5.2 动态规划算法的设计要素 5.3 动态规划算法的典型应用 投资问题； 0－1背包问题； 最优二叉搜索树问题;引例： 多段图的最短路径问题 ;2;对多段图的边(u, v)，用cuv表示边上的权值，将从源点s到终点t的最短路径记为d(s, t)，则从源点0到终点9的最短路径d(0, 9)由下式确定： d(0, 9)=min{c01+d(1, 9), c02+d(2, 9), c03+d(3, 9)} 这是最后一个阶段的决策，它依赖于d(1, 9)、d(2, 9)和d(3, 9)的计算结果，而 d(1, 9)=min{c14+d(4, 9), c15+d(5, 9)} d(2, 9)=min{c24+d(4, 9), c25+d(5, 9), c26+d(6, 9)} d(3, 9)=min{c35+d(5, 9), c36+d(6, 9)} 这一阶段的决策又依赖于d(4, 9)、d(5, 9)和d(6, 9)的计算结果： ;d(4, 9)=min{c47+d(7, 9), c48+d(8, 9)} d(5, 9)=min{c57+d(7, 9), c58+d(8, 9)} d(6, 9)=min{c67+d(7, 9), c68+d(8, 9)} 这一阶段的决策依赖于d(7, 9)和d(8, 9)的计算，而d(7, 9)和d(8, 9)可以直接获得（括号中给出了决策产生的状态转移）： d(7, 9)=c79＝7(7→9) d(8, 9)=c89＝3(8→9) 再向前推导，有： d(6, 9)=min{c67+d(7, 9), c68+d(8, 9)}=min{6+7, 5+3}=8(6→8) d(5, 9)=min{c57+d(7, 9), c58+d(8, 9)}=min{8+7, 6+3}=9(5→8) d(4, 9)=min{c47+d(7, 9), c48+d(8, 9)}=min{5+7, 6+3}=9(4→8);d(3, 9)=min{c35+d(5, 9), c36+d(6, 9)}=min{4+9, 7+8}=13(3→5) d(2, 9)=min{c24+d(4, 9), c25+d(5, 9), c26+d(6, 9)}=min{6+9, 7+9, 8+8}=15(2→4) d(1, 9)=min{c14+d(4, 9), c15+d(5, 9)}=min{9+9, 8+9}=17(1→5) d(0, 9)=min{c01+d(1, 9), c02+d(2, 9), c03+d(3, 9)}=min{4+17, 2+15, 3+13}=16(0→3) 最后，得到最短路径为0→3→5→8→9，长度为16。 ; 下面考虑多段图的最短路径问题的填表形式。 用一个数组cost[n]作为存储子问题解的表格，cost[i]表示从顶点i到终点n-1的最短路径，数组path[n]存储状态，path[i]表示从顶点i到终点n-1的路径上顶点i的下一个顶点。则： cost[i]=min{cij+cost[j]} (i≤j≤n且顶点j是顶点i的邻接点) （式1） path[i]=使cij+cost[j]最小的j （式2） ;算法1——多段图的最短路径 1．初始化：数组cost[n]初始化为最大值，数组path[n]初始化为-1； 2．for (i=n-2; i=0; i--) 2.1 对顶点i的每一个邻接点j，根据式6.7计算cost[i]; 2.2 根据式6.8计算path[i]; 3．输出最短路径长度cost[0]; 4. 输出最短路径经过的顶点： 4.1 i=0 4.2 循环直到path[i]=n-1 4.2.1 输出path[i]; 4.2.2 i=path[i];; 动态规划是用来解决多阶段决策过程最优化的一种数量方法。其特点在于，它可以把一个n 维决策问题变换为几个一维最优化问题，从而一个一个地去解决。 需指出：动态规划是求解某类问题的一种方法，是考察问题的一种途径，而不是一种算法。必须对具体问题进行具体分析，运用动态规划的原理和方法，建立相应的模型，然后再用动态规划方