[计算机软件及应用]动态规划.pptVIP

* * * 背包问题(The Knapsack Problem) 动态规划分析 设V[i,j]为前i个物品放到背包容量为j的背包中时最优解的物品总价值。则目标是：V[n,W]。 对于n个物品，要得到V[n,W]，有两种情况： a. 第n个物品不在背包中，则最优解物品总价值为V[n-1,W] b. 第n个物品在背包中，则最优解物品总价值为前n-1个物品的最优解总价值V[n-1,W-vn]与第n个物品价值的和，或者就是前n-1个物品的最优解总价值，这里取两个中的最大值，即V[n,W]=Max{V[n-1,W-Vn]+vn,V[n-1,W]} 背包问题(The Knapsack Problem) 对于一般情况有： 设V[i,j]为前i个物品放到背包容量为j的背包中时最优解的物品总价值。有两种情况： a. 第i个物品不在背包中，则最优解物品总价值为V[i-1,j] b. 第i个物品在背包中，则最优解物品总价值为前i-1个物品的最优解总价值V[i-1,W-vi]与第i个物品价值的和，或者就是前i-1个物品的最优解总价值，这里取两个中的最大值，即V[i,j]=Max{V[i-1,j-Vi]+vi,V[i-1,j]} 【算例】动态规划法解 01 背包问题 已知 01 背包数据如下表，求：放入背包的最有价值物品集合。 物品 i 重量 wi 价值 vi 承重量 W 1 w1 = 2 v1 = 12 W = 5 2 w2 = 1 v2 = 10 3 w3 = 3 v3 = 20 4 w4 = 2 v4 = 15 V j=0 1 2 3 4 5 i=0 0 0 0 0 0 0 1 0 0 12 12 12 12 2 0 10 12 22 22 22 3 0 10 12 22 30 32 4 0 10 15 25 30 37 按行或列填表计算的结果 例如： 接下来，找出最优解的物品集合。 回溯最优解，找到最优子集 { w1 , w2 , w4 } 最优解有w4 最优解无w3 最优解有w2 最优解有w1 最 优 解 回 溯计算 * 多段图(multistage graph problem) 多段图G＝(V，E)是—个有向图。它具有如下特性： 图中的结点被划分成k≥ 2个不相交的集合Vi ,1≤i≤k,其中V1和Vk分别只有一个结点s(源点)和t(汇点)。 图中所有的边u,v均具有如下性质：若u∈Vi ，则v ∈ Vi+1 ,1≤i≤k,且每条边u,v均附有成本c(u，v)。 从s到t的一条路径成本是这条路径上边的成本和。 多段图问题(multistage graph problem)是求由s到t的最小成本路径。 1 2 3 4 5 8 7 6 11 10 9 12 s t 9 7 3 2 2 2 7 1 11 11 8 6 5 4 3 5 6 5 2 4 V1 V2 V3 V4 V5 * 多段图向前处理的算法 设P(i,j)是一条从Vi中的节点j到汇点t的最小成本路径，COST(i,j)表示这条路径的成本，根据向前处理方法有： 首先对于所有j∈Vk-2，计算COST(k-2,j)，然后对所有的j∈Vk-3，计算计算COST(k-3,j)等等，最后计算出计算COST(1,s) * 多段图向前处理的算法 例子中5段图的实现计算步骤： COST(3,6)=min{6+COST(4,9),5+COST(4,10)}=7 COST(3,7)=min{4+COST(4,9),3+COST(4,10)}=5 COST(3,8)=min{5+COST(4,10),6+COST(4,11)}=7 COST(2,2)=min{4+COST(3,6),2+COST(3,7),1+COST(3,8)}=7 COST(2,3)=9 COST(2,4)=18 COST(2,5)=15 COST(1,1)=min{9+COST(2,2),7+COST(2,3),3+COST(2,4),2+COST(2,5)}=16 * 动态规划小结 动态规划方法是一种对具有交叠子问题进行求解的技术。 动态规划建议，对交叠子问题的每个较小子问题求解一次后记录在表中，就可以从表中得到原始问题的解。 对一个最优问题应用动态规划方法要求该问题满足最优性原则：一个最优问题的任何实例的最优解是由该实例的子实例的最优解组成的。 * * * 有这样一类问题，它们的活动过程可以分为很多个阶段，而且在任何一阶段后的行为都仅依赖于I阶段的过程状态，而与I阶段之前的过程是如何达到这种状态的方式无关，这样的过程就构成了一个多阶段决策过程。 * * * * * * * * * * * * * * * * * * * * * ? School of Computer Science and Technology, SWUST