[工学]《算法设计与分析》第05讲.pptVIP

第5讲 动态规划法 5.1 动态规划概述 动态规划适用于解最优化问题，而且是解决多阶段决策的最优化问题。 所谓“动态”，指的是在问题的多阶段决策中，按某一顺序，根据每一步所选决策的不同，将随即引起状态的转移，最终在变化的状态中产生一个决策序列。 动态规划就是为了使产生的决策序列在符合某种条件下达到最优。 什么是动态规划 动态规划（dynamic programming）是运筹学的一个分支，是求解决策过程（decision process）最优化的数学方法。 20世纪50年代初美国数学家R.E.Bellman等人在研究多阶段决策过程（multistep decision process）的优化问题时，提出了著名的最优化原理（principle of optimality），把多阶段过程转化为一系列单阶段问题，逐个求解，创立了解决这类过程优化问题的新方法——动态规划。 动态规划的基本思想 假若各个子问题不是独立的，不同的子问题的个数只是多项式量级，假若能够保存已经解决的子问题的答案，而在需要的时候再找出已求得的答案，这样就可以避免大量的重复计算。 由此而来的基本思路是，用一个表来记录所有已解决的子问题的答案，不管该问题以后是否被用到，只要它被计算过，就会将其结果填入表中。 动态规划法的实质也是将较大问题分解为较小的同类子问题，这一点上它与分治法和贪心法类似。但动态规划法有自己的特点。分治法的子问题相互独立，相同的子问题被重复计算，动态规划法解决这种子问题重叠现象。贪心法要求针对问题设计最优量度标准，但这在很多情况下并不容易。动态规划法利用最优子结构，自底向上从子问题的最优解逐步构造出整个问题的最优解，动态规划则可以处理不具备贪心准则的问题。 动态规划的基本要素 5.2 最短路径 多段图问题 每对结点间的最短路径问题描述 动态规划法求解 弗洛伊德算法 算法正确性 5.3 0/1背包问题 问题描述 动态规划法求解 0/1背包算法框架 性能分析 5.4 多矩阵乘积 问题描述 动态规划法求解 5.5 货郎担问题 资源分配问题 小结 动态规划法适用于解最优化问题。 动态规划法的基本要素是最优子结构和重叠子问题。 以最短路径、0/1背包问题、多矩阵相乘、货郎担问题、资源分配等典型问题为例，介绍使用动态规划法求解问题的条件、方法和过程。 重点是理解分治法、贪心法和动态规划法的异同，掌握动态规划法的基本解题方法。 难点是正确判定所面临的问题是否适合使用动态规划法做出解答，并应用已有的动态规划法，自行设计一些具体动态规划法以解决更多的问题。 0/1背包算法的粗略描述 void DKP(float *p,float *w, int n, float M, float P,int *x) { S－1={(0,0)}; for (i=0;in-1;i++){ S1i={(X,P)|(X-wi,P-pi)?Si-1 and X?M}; Si=MergerPurge(Si-1,S1i); } (X1,P1)=Sn－2中最后一个阶跃点; (X2,P2)=(X+wn－1,P+pn－1)，其中(X,P)是Sn-1 中 使得 X+wn－1?M的最大的阶跃点; P＝max{P1,P2}; If (P2P1) xn－1=1; else xn－1=0; 回溯确定xn－2,xn-3,?,x0; } 在最坏情况下，算法的空间复杂度是O(2n)。 在最坏情况下，算法的时间复杂度是O(2n)。 给定n个矩阵{A0,A1,…,An－1}， 其中Ai，i=0,…,n-1的维数为pi?pi+1，并且Ai与Ai+1是可乘的。考察这n个矩阵的连乘积A0A1…An?1，由于矩阵乘法满足结合律，所以计算矩阵的连乘可有许多不同的计算次序。矩阵连乘问题是确定计算矩阵连乘积的计算次序，使得按照这一次序计算矩阵连乘积，需要的“数乘”次数最少。 完全加括号的矩阵连乘积可递归地定义为： 单个矩阵是完全加括号的； 矩阵连乘积A是完全加括号的，则A可表示为两个完全加括号的矩阵连乘积B和C的乘积并加括号，即A=(BC)。 例 4个矩阵连乘积ABCD，设它们的维数分别为A:50?10，B:10?40, C:40?30, D:30?5。 最优子结构 矩阵连乘AiAi+1…Aj简记为A[i:j]，i?j。于是矩阵连乘A0A1…An-1可记作A{0:n-1}。将这一计算次序在矩阵Ak和Ak+1，0?kn-1