[工学]第03讲、动态规划.pptVIP

?　备忘录方法 动态规划算法的一个变形是备忘录方法。 与动态规划算法一样，备忘录方法用一个表格来保存已解决的子问题的答案，在再碰到该子问题时，只要简单地查看该子问题的解答，而不必重新求解。 不同的是，备忘录方法采用的是自顶向下的递归方式，而动态规划算法采用的是自底向上的非递归方式。 我们看到，备忘录方法的控制结构与直接递归方法的控制结构相同，区别仅在于备忘录方法为每个解过的子问题建立了备忘录以备需要时查看，避免了相同子问题的重复求解。 备忘录方法为每个子问题建立一个记录项，初始化时，该记录项存入一个特殊的值，表示该子问题尚末求解。 在求解过程中，对碰到的每个子问题，首先查看其相应的记录项。若记录项中存储的是初始化时存入的特殊值，则表示该子问题是第一次遇到，此时需要对该子问题进行求解，并把得到的解保存在其相应的记录项中，以备以后查看。 若记录项中存储的已不是初始化时存入的特殊值，则表示该子问题己被求解过，其相应的记录项中存储的是该子问题的解答。此时，只要从记录项中取出读子问题的解答即可，不必重新计算。 下面的算法memoizedMatrixChain(P)是解矩阵连乘积最优计算次序问题的备忘录方法。 public static void memoizedMatrixChain( int n ) { for( int i=1; i=n; i++ ) for( int j=i; j=n; j++ ) m[i][j]=0; return lookupChain(1,n); } public static void lookupChain( int i, int j ) { if ( m[i][j]0 ) return m[i][j] ; if ( i==j ) return 0; int u= lookupChain( i+1, j ) + p[i-1]*p[i]*p[j]; s[i][j]=i; for( int k=i+1; kj; k++ ) { int t= lookupChain(i,k)+ lookupChain(k+1,j)+p[i-1]*p[k]*p[j]; if ( tu ) { u=t; s[i][j]=k; } } m[i][j]=u; return u; } 与动态规划算法MatrixChain一样，备忘录算法memoizedMatrixChain用数组m[1…n,1…n]的单元m[i,j]来记录解子问题Ai…j的最优计算量。 M[i,j]初始化为∞，表示相应于Ai…j的子问题还未被计算。 在调用lookupChain时，若m[i,j]∞，则表示m[i,j]中存储的是所要求子问题的计算结果，直接返回此结果即可。 否则与直接递归算法一样，自顶向下地递归计算，并将计算结果存入m[i,j]后返回。因此， lookupChain总能正确返回m[i,j]的值，但仅在它第一次被调用时计算，以后的调用就直接返回计算结果。 与动态规划算法一样，备忘录算法memoizedMatrixChain耗时O(n3)。 事实上，共有O(n2)个备忘记录项m[i,j]，i=1,2,…,n , j=i,i+1,…n，这些记录项的初始化耗费O(n2)时间。 每个记录项只填入一次，每次填入时，不包括填入其他记录项的时间，共耗费O(n)。 因此，lookupChain填入O(n2)个记录项总共耗费O(n3)计算时间。 由此可见，通过使用备忘录技术，直接递归算法的计算时间从仍Ω(2n)降至O(n3)。 综上所述，矩阵连乘积的最优计算次序问题可用自顶向下的备忘录算法或自底向上的动态规划算法在O(n3)时间内求解。 这两个算法都利用了子问题重叠性质。总共有θ(n2)个不同的子问题。 对每个子问题，两种方法都只解一次，并记录答案，再碰到该问题时，不重新求解而简单地取用已得到的答案。因此，节省了计算量，提高了算法的效率。 总结： 一般地讲，当一个问题的所有子问题都至少要解一次时，用动态规划算法解比用备忘录方法好。此时，动态规划算法没有任何多余的计算。 同时，对于许多问题，常可利用其规则的表格存取方式，来减少在动态规划算法中的计算时间和空间需求。 当子问题空间中的部分子问题可不必求解时，用备忘录方法则较有利，因为从其控制结构可以看出，该方法只解那些确实需要求解的子问题。 一个给定序列的子序列是在该序列中删去若干元素后得到的序列。 确切地说，若给定序列X=x1, x2,…, xm，则另一序列Z=z1, z2,…, zk是X的子序列是指存在一个