[经济学]第3章 动态规划.ppt

第3章 动态规划 算法总体思想 动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值（最大值或最小值）的那个解。 动态规划基本步骤 找出最优解的性质，并刻划其结构特征。 递归地定义最优值。 以自底向上的方式计算出最优值。 根据计算最优值时得到的信息，构造最优解。 完全加括号的矩阵连乘积 矩阵连乘问题 分析最优解的结构 建立递归关系 计算最优值 例:要计算矩阵连乘积A1A2A3A4A5A6，其中各矩阵的维数分别为： (5) m[1][4]有如下3种情况： m[1][1]+m[2][4]+p0p1p4 m[1][2]+m[3][4]+p0p2p4 m[1][3]+m[4][4]+p0p3p4=7875+0+30*5*10=9375 在此，需计算m[2][4]和m[3][4]，取以上3个的最小值。 (6) m[1][5]有如下4种情况： m[1][1]+m[2][5]+p0p1p5 m[1][2]+m[3][5]+p0p2p4 m[1][3]+m[4][5]+p0p3p4=7875+1000+30*5*20=11875 m[1][4]+m[5][5]+p0p4p5 在此，需计算m[2][5]、m[3][5]和m[4][5]，取以上4个的最小值。 (7) m[1][6]有如下5种情况： m[1][1]+m[2][6]+p0p1p6 m[1][2]+m[3][6]+p0p2p6 m[1][3]+m[4][6]+p0p3p6=7875+m[4][6]+30*5*25=15125 m[1][4]+m[5][6]+p0p4p6 m[1][5]+m[6][6]+p0p5p6 在此，需计算m[2][6]、m[3][6]、m[4][6]和m[5][6]，取以上5个的最小值。 m[4][6]=m[4][4]+m[5][6]+5*10*25=6250 m[4][6]=m[4][5]+m[6][6]+5*20*25=3500 例如:求m[2][6]有4中情况，如下： m[2][2]+m[3][6]+p1p2p6 m[2][3]+m[4][6]+p1p3p6 m[2][4]+m[5][6]+p1p4p6 m[2][5]+m[6][6]+p1p5p6 M[2][6]的值是这4个值中的最小值。 矩阵连乘问题的最优值 矩阵连乘问题的最优解 构造最优解 S[i][j]中的数据k告诉我们计算矩阵A[i:j]的最佳方式应在矩阵Ak和Ak+1之间断开,即最优的加括号方式为(A[i:k])(A[k+1:j])，由于s[i][j]=k，用s[i][j]替换k.。从s[1][n]记录的信息可知计算A[1:n]的最优加括号方式为：(A [1:s[1][n]])(A [s[1][n]+1:n]) 矩阵连乘问题的最优解 构造最优解算法描述: 动态规划算法的基本要素 一、最优子结构 二、重叠子问题 三、备忘录方法 最长公共子序列 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。 公共子序列：给定两个序列X和Y，当另一个序列Z既是X的子序列又是Y的子序列时，称Z是序列X和Y的公共子序列。 最长公共子序列问题：给定两个序列X={}和Y={}，找出X和Y的一个最长公共子序列。 例如：X={A,B,C,B,D,A,B}, Y={B,D,C,A,B,A} 则序列{B,C,A}是X和Y的一个公共子序列。但它不是X和Y的一个最长公共子序列。序列{B,C,B,A}是X和Y的一个公共子序列，它的长度是4，而且它是X和Y的一个最长公共子序列。因为，X和Y没有长度大于4的公共子序列。它的另一个解是{B,C,A,B}。该问题的答案不唯一. 最长公共子序列 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严格递增下标序列{i1,i2,…,ik}使得对于所有j=1,2,…,k有：zj=xij。例如，序列Z={B，C，D，B}是序列X={A，B，C，B，D，A，B}的子序列，相应的递增下标序列为{12，23，35，47}。 给定2个序列X和Y，当另一序列Z既是X的子序列又是Y的子序列时，称Z是序列X和Y的公共子序列。 给定2个序列X={x1,x2,…,xm}和Y={y1,y2,…,yn}，找出X和Y的最长公共子序列。 最长公共子序列的结构 子问题的递归结构 2、子问题