第三章动态规划法_new.pptVIP

算法设计与分析 * 动态规划法总结 与分治法相比，相同之处是也将原问题分解为若干子问题，再递归求解；不同之处是所分解的子问题彼此并不独立，而是互有重叠。 基本思想是造表记录已解的子问题，再次遇到时仅查表即可，避免了重复计算，提高效率。 通常用于求解具有最优性质的问题，而且其子问题也具有最优性质(最优子结构性质)。 实现方法通常为自底向上的递归形式，但也可以采用自上而下的形式(备忘录方法)。 算法设计与分析 * 多阶段图最短路问题 下图表示城市之间的交通路网，线段上的数字表示费用，单向通行由A-E。求A-E的最省费用。 A B1 B2 C1 C2 C3 C4 D1 D2 D3 E 2 5 8 3 6 11 2 3 1 5 4 2 7 5 3 8 算法设计与分析 * 多阶段图最短路问题(2) 直观的方法是用回溯法搜索。时间复杂度为指数级。 低效的原因：没有充分利用重叠子问题的性质。 算法设计与分析 * 多阶段图最短路问题(3) 此图有明显的次序，可以划分为5阶段。故此问题的要求是：在各个阶段选取一个恰当的决策，使由这些决策组成的一个决策序列所决定的一条路线，其总路程最短。 由目标状态E向前推，可以分成四个阶段，即四个子问题。每个阶段到E的最省费用为本阶段的决策路径。 A B1 B2 C1 C2 C3 C4 D1 D2 D3 E 阶段0 阶段1 阶段2 阶段3 阶段4 算法设计与分析 * 多阶段图最短路问题(4) 设 Dis[k][x] 为第k阶段城市x到城市E的最短路径长度。 map[ i ][ j ]为i，j两个城市间的距离。 递归方程为 Dis[k][x] = min { Dis[k+1][y]+map[x,y] } 此问题时间复杂度降为O(n2). 算法设计与分析 * 动态规划的概念 在上例的多阶段决策问题中，各个阶段采取的决策，依赖于当前状态，又随即引起状态的转移，一个决策序列就是在变化的状态中产生出来的，故有“动态”的含义，称这种解决多阶段决策最优化问题的方法为动态规划方法。 算法设计与分析 * POJ 1163 数字三角形 在上面的数字三角形中寻找一条从顶部到底边的路径，使得路径上所经过的数字之和最大。路径上的每一步都只能往左下或右下走。只需要求出这个最大和即可，不必给出具体路径。 三角形的行数大于1小于等于100 数字为0 - 99 7 3 8 8 1 0 2 7 4 4 4 5 2 6 5 算法设计与分析 * 输入格式： //三角形行数。下面是三角形 7 3 8 8 1 0 2 7 4 4 4 5 2 6 5 要求输出最大和 算法设计与分析 * 算法一：递归的想法 设f(i,j) 为三角形上从点(i,j)出发向下走的最长路经，x为点(i,j)的数值，则 f(i,j) = x+max(f(i+1,j), f(i+1,j+1)) 要输出的就是f(0,0)即从最上面一点出发的最长路经。 代码如下： 算法设计与分析 * #include iostream.h #define MAX 101 int triangle[MAX][MAX]; int n; int longestPath(int i, int j); void main(){ 　int i,j; 　cin n; 　for(i=0;in;i++) for(j=0;j=i;j++) 　　cin triangle[i][j]; 　cout longestPath(0,0) endl; } int longestPath(int i, int j){ 　if(i==n) return 0; 　int x = longestPath(i+1,j); 　int y = longestPath(i+1,j+1); if(xy) x=y; return x+triangle[i][j]; } 　　　　　　　　　　　　超时 算法设计与分析 * 算法二：动态规划从下往上逐层计算 #include iostream.h #define MAX 101 int triangle[MAX][MAX], n; void main(){ 　int i,j; 　cin n; 　for(i=0;in;i++) 　　for(j=0;j=i;j++) 　　　cin triangle[i][j]; 　for(i=n-2;i=0;i--) 　　for(j=0;j=i;j++){ 　　　int x=triangle[i+1][j];