[小学教育]第3章 动态规划.ppt

计算机算法设计与分析 Design and Analysis of Computer Algorithms 第三章 动态规划 Dynamic Programming 提纲 一、动态规划算法的基本思想 二、矩阵连乘问题 三、最长公共子序列 四、最大子段和 五、0-1背包问题 六、最优二叉搜索树 提纲 一、动态规划算法的思想 二、矩阵连乘问题 三、最长公共子序列 四、最大子段和 五、0-1背包问题 六、最优二叉搜索树 1.1 总体思想 动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题，但分解后的子问题往往不是相互独立的。 Divide-and-conquer技术的问题 子问题是相互独立的； 如果子问题不是相互独立的，分治方法将重复计算公共子问题，效率很低。 Dynamic Programming特点 把原始问题划分成一系列子问题； 求解每个子问题仅一次，并将其结果保存在一个表中，以后用到时直接存取，不重复计算，节省计算时间； 自底向上地计算。 1.2 适用范围 适用范围 一类最优化问题：可分为多个相关子问题，子问题的解被重复使用。 最优化问题 给定一组约束条件和一个代价函数，在解空间中搜索具有最小或最大代价的最优解； 很多最优化问题可分为多个子问题，子问题相互关联，子问题的解被重复使用。 1.3 基本要素 使用动态规划算法的条件： 最优子结构(optimal sub-structure) 当一个问题的最优解包含了子问题的最优解时，称这个问题具有最优子结构； 最优子结构使得能自底而上地完成求解过程； 通常可用“剪贴”(cut and paste)技术判定最优子结构。 重叠子问题(overlapping sub-problems) 在问题的求解过程中，很多子问题的解将被多次使用。 1.4 设计步骤 1.分析最优解的结构； 2.递归地定义最优值； 3.自底向上地计算出最优值，并获取构造最优解的信息； 4.根据构造最优解的信息构造优化解。 提纲 一、动态规划算法的基本思想 二、矩阵连乘问题 三、最长公共子序列 四、最大子段和 五、0-1背包问题 六、最优二叉搜索树 2.1 问题定义 Matrix-chain Multiplication 输入：A1,A2,...,An,Ai是矩阵，Ai与Ai＋1可乘，i＝1,2,…(n-1)； 输出：计算A1?A2?...?An的最小代价方法 2.1 问题定义 矩阵连乘法的实现 矩阵乘法满足结合律； 计算一个矩阵链的乘法可有多种方法: 例如, （A1?A2?A3?A4） =（A1?(A2?(A3?A4))) =（(A1?A2)?(A3?A4）) .... = (（A1?A2）?A3)?A4) 2.1 问题定义 完全加括号的矩阵连乘积可递归地定义为： （1）单个矩阵是完全加括号的； （2）矩阵连乘积A是完全加括号的，则A可 表示为2个完全加括号的矩阵连乘积B和 C 的乘积并加括号，即A=(B*C) 2.1 问题定义 矩阵连乘法的代价与计算顺序的关系 设A1=10?100矩阵, A2=100?5矩阵, A3=5?50矩阵 T((A1?A2)?A3)=10?100?5+10?5?50=7500 T(A1?(A2?A3))=100?5?50+10?100?50=75000 2.2 矩阵连乘问题的解空间 设p(n)=计算n个矩阵乘积的不同计算次序 p(n)的递归方程： Catalan数是组合数学中一个常出现在各种计数问题中出现的数列。由以比利时的数学家欧仁·查理·卡塔兰 (1814–1894)命名。 　　原理： 　　令h(0)=1,h(1)＝1,catalan数满足递归式： 　　h(n)= h(0)*h(n-1) + h(1)*h(n-2) + ... + h(n-1)h(0) (其中n=2) 　　该递推关系的解为： 　　h(n)=C(2n,n)/(n + 1) (n=1,2,3,...) 2.3求解矩阵连乘问题的动态规划算法 分析最优解的结构； 递归地定义最优值； 自底向上地计算出最优值，并获取构造最优解的信息； 根据构造最优解的信息构造优化解。 2.3.1 分析最优解的结构 两个记号 A[i:j]=Ai?Ai+1?....?Aj m[i][j]=计算A[i:j]的最少乘法次数 最优解的结构 若计算A[1:n]的最优顺序在k处断开矩阵链, 即A[1:n]=A[1:k]?A[k+1:n]，则在A[1:n]的最优顺序中，对应于子问题A[1:k]的解必须是A[1:k