[教育]第3章 动态规划.ppt

* 算法设计与分析 * 将由{a1, a2, …, an}构成的二叉搜索树记为T(1, n)，其中ak（1≤k≤n）是T(1, n)的根结点，则其左子树T(1, k-1)由{a1, …, ak-1}构成，其右子树T(k+1, n)由{ak+1, …, an}构成。 证明最优二叉搜索树满足最优子结构特性 ak T(1, n) 以ak为根的二叉搜索树 T(k+1,n) T(1,k-1) 若T(1, n)是最优二叉搜索树，则其左子树T(1, k-1)和右子树T(k+1, n)也是最优二叉查找树。如若不然，假设T’(1, k-1)是比T(1, k-1)更优的二叉搜索树，则T’(1, k-1)的平均比较次数小于T(1, k-1)的平均比较次数，从而由T’(1, k-1)、ak和T(k+1, n)构成的二叉搜索树T’(1, n)的平均比较次数小于T(1, n)的平均比较次数，这与T(1, n)是最优二叉搜索树的假设相矛盾。 * 算法设计与分析 * 分析 设T(i,j)是由记录{ai,…,aj}(1≤i≤j≤n)构成的二叉搜索树，C(i,j)是这棵二叉搜索树的平均比较次数。虽然最后的结果是C(1,n)，但遵循动态规划法的求解方法，需要求出所有较小子问题C(i,j)的值，考虑从{ai,…,aj}中选择一个记录ak作为二叉搜索树的根结点，可以得到如下关系： 此结论为只考虑元素查找成功的情况！ * 算法设计与分析 * 定义w(i,j)如下： 则二叉搜索树的平均搜索代价cost(T)为（左、右子树的平均搜索代价分别为cost(L)和cost(R)）： 考虑到查找成功与不成功的期望耗费 * 算法设计与分析 * 对于n个元素的集合{a1, a2, …, an} ，设C(0,n)是构造这个集合最优二叉搜索树的代价： * 算法设计与分析 * 因此，对于一般的C(i,j)得到如下动态规划函数： C(i, i-1)=0 (1≤i≤n+1) 式1 C(i, i)=pi (1≤i≤n) 式2 C(i, j)=min{C(i, k-1)+C(k+1, j)+w(i,j)} (1≤i≤j≤n, i≤k≤j) =min{C(i, k-1)+C(k+1, j)}+w(i,j) (1≤i≤j≤n, i≤k≤j) 式3 C(i, k-1)和C(k+1, j)分别是左右子树的最优平均搜索代价。 设一个二维表C[n+1][n+1]，其中C[i][j]表示二叉搜索树T(i, j)的平均比较次数。注意到在式3中，当k=1时，求C[i][j]需要用到C[i][0]，当k=n时，求C[i][j]需要用到C[n+1][j]，所以，二维表C[n+1][n+1]行下标的范围为1～n+1，列下标的范围为0～n。 为了在求出由{a1, a2, …, an}构成的二叉搜索树的平均比较次数的同时得到最优二叉搜索树，设一个二维表R[n+1][n+1]，其下标范围与二维表C相同，R[i][j]表示二叉搜索树T(i, j)的根结点的序号。 * 算法设计与分析 * 例如，集合{A, B, C, D}的搜索概率是{0.1, 0.2, 0.4, 0.3}，二维表C和R的初始情况如图所示。 ? 0 1 2 3 4 1 0 0.1 ? ? ? 2 ? 0 0.2 ? ? 3 ? ? 0 0.4 ? 4 ? ? ? 0 0.3 5 ? ? ? ? 0 ? 0 1 2 3 4 1 ? 1 ? ? ? 2 ? ? 2 ? ? 3 ? ? ? 3 ? 4 ? ? ? ? 4 5 ? ? ? ? ? C(i, i-1)=0 (1≤i≤n+1) 式1 C(i, i)=pi (1≤i≤n) 式2 C(i, j)=min{C(i, k-1)+C(k+1, j)+w(i,j)} (1≤i≤j≤n, i≤k≤j) =min{C(i, k-1)+C(k+1, j)}+w(i,j) (1≤i≤j≤n, i≤k≤j) 式3 0.4 2 0.8 3 1.0 3 1.1 3 1.4 3 1.7 3 * 算法设计与分析 * 在二维表C和R中只需计算主对角线以上的元素。 首先计算C(1, 2)： 在前两个记录构成的最优二叉搜索树的根结点的序号是2。