[经济学]第7章 动态规划.pptVIP

第 7 章 动态规划 动态规划概述 数塔 最小代价子母树 非优化问题实例 单起点最短路径问题 Warshall 传递闭包算法 完全最短路径问题的Floyd算法 最优二叉查找树 01背包问题 本章习题 动态规划概述 动态规划概述 动态规划（Dynamic Programming），在20 世纪50年代由美国数学家 Richard Bellman（理查德 .贝尔曼）提出，作为多阶段决策过程最优化 的一种通用算法设计法，不仅解决特定类型的最优化问题，也包括某些 非最优化问题。 多阶段决策过程最优化 诸多实际问题：有多个解，但要找到最优解。 穷举法通过找出全部解，再从中找出最优解。对于那些计算复杂度高的 如组合问题，找出其全部解所耗费的计算时间往往不可接受！ 为降低求解难度，把求解过程分为一系列阶段，各个阶段按最优性原则 计算，在最后阶段可得最优解。包括：分段、求解 两大步。 —— 不能段化的问题不能用动态规划法求解。 最优性原则 数塔 数塔 有一个三角形数塔如图。求一条自塔顶到塔底的路径，该路径上节点值 之和最大。（ 注意动态规划法与穷举法、贪婪法的区别 ） 数塔问题：动态规划法与穷举法效率比较 数塔：动态规划法与穷举法的时间效率比较 输入规模：为便于分析，选数塔层数 k , k 0 基本操作：加法运算 效率类别：无最佳、最差（均从塔顶到塔底） 增长函数 T(k) ： 各层节点数：1, 2, 3, 4, 5, ...... 节点的总数：1, 3, 6, 10, 15, ...... 数塔层数 k ：1, 2, 3, 4, 5, ...... 路径总数 t ： 0, 2, 4, 8, 16, ...... t = 2k-1, k 0 1. 穷举法：T(k) = (k-1) 2k-1，k 0 指数型 本例 k = 5，每条路径 5 个节点做 k-1 = 4 次加法，共 64 次。 2. 动态规划法：（层节点数 = 层数） 塔底向塔顶计算，第 k 层加法总数为第 k-1 层的节点数×2 ： T(k) = 2×(k-1+...+3+2+1) = k(k-1), k 0 平方型 本例 k = 5 ，加法总数 2×(4+3+2+1) = 20 次 最小代价子母树 最小代价子母树 有 n≥2 堆沙子，重量向量 W = ( w1,...wn ) ，将它们归并为 1 堆。 规则：只能将相邻 2 堆归为 1 堆，经过 n-1 次归并后成为 1 堆。 要求：找到代价最小的归并方案。 代价：新产生沙堆的质量和。代价最小的归并树即最小代价子母树。 动态规划法求解： 问题分段：将每次归并划分为一个阶段，共 n-1 个阶段。 逐段计算：自底向上（规模增大 n = 2, 3, ... , n-1） n = 2：1 种归并法即 2 合 1 . n = 3：2 种归并法，第 1 种归并法如图，前 1 堆后 2 堆 最小代价子母树(续1) n=4 n = 3：第 2 种归并法，前 2 堆后 1 堆 最小代价子母树(续2) n=4 n = 4：前 1 堆 情况 2： 最小代价子母树(续3) n=4 n = 4：前 3 堆 情况 1 最小代价子母树(续4) n=4 【归纳】n = 4（ 3 大类归并方案） c(1,4) = min { c(2,4), c(1,2) + c(3,4), c(1,3) } + w(1,4) 前1堆 前2堆 前3堆 【推广】对于任意的 n≥2（可设计递归算法：自顶向下计算） c(1,n) = min{c(2,n), c(1,2)+c(3,n), c(1,3)+c(4,n) ,..., c(1,n-1)} + w(1,n) 前1堆 前2堆 前3堆 ...... 前n-1堆 上式称 动态方程 —— 以方程形式给出的动态规划算法。 很多动态规划算法并不能以方程形式给出。 非最优化问题实例 非最优化问题实例 中国象棋“马”的路径 —— 在 m×n 棋盘上，求：马从 P 跳到 Q 的所有路径。 递推求解中的交叠子问题 递归算法之重复计算交叠子问题 【实例】计算裴波那契数的递归算法 F(n) = F(n-1) + F(n-2) ，n 1 F(0) = 0, F(1) = 1 考察 F(5) 计算过程，递归树表示 单起点最短路径问题 单起点最短路径问题 （区别于完全最