动态规划的优化技巧.pptVIP

动态规划的优化技巧 沈许川冗余 求解无用的子问题 对结果无意义的引用 时间复杂度 状态总数 每个状态转移的状态数 每次状态转移的时间 相互联系 相互制约 一、状态总数 状态的选择 阶段划分 合理性 完备性 操作性 题目信息约束 显式 隐式 Raucous Rockers 演唱组（USACO`96） [问题描述] 现有n首由Raucous Rockers 演唱组录制的珍贵的歌曲，计划从中选择一些歌曲来发行m张唱片，每张唱片至多包含t分钟的音乐，唱片中的歌曲不能重叠。按下面的标准进行选择： （1）.这组唱片中的歌曲必须按照它们创作的顺序排序； （2）.包含歌曲的总数尽可能多。 输入n，m，t，和n首歌曲的长度，它们按照创作顺序排序，没有一首歌超出一张唱片的长度，而且不可能将所有歌曲的放在唱片中。输出所能包含的最多的歌曲数目。 （1≤n, m, t≤20） 方法一 long[1..n] n首歌曲按照写作顺序排序后的长度 g[i, j, k] 前 i 首歌曲用 j 张唱片另加 k 分钟 最多可以录制的歌曲数目 g[n, m, 0] 问题的最优解 转移方程 k≥long[i]，i≥1 g[i, j, k]=max{g[i-1,j,k-long[i]]，g[i-1,j,k]} k long[i]，i≥1 g[i, j, k]=max{g[i-1,j-1,t-long[i]]，g[i-1,j,k]} 边界条件 0≤k t g[0,0,k]=0 时间复杂度 状态总数为O(n*m*t) 每个状态转移的状态数为O(1) 每次状态转移的时间为O(1) 所以总的时间复杂度为O(n*m*t) 由于n，m，t均不超过20，所以问题解决 数据规模变大？（1≤n, m, t≤1000） 方法二 g[i, j]=(a, b) 在前i首歌曲中选取j首录制所需的最少唱片为：a张唱片另加b分钟 g[i, j]=min{g[i-1,j]，g[i-1,j-1]+long[i]} 其中(a, b)+long[i]=(a’, b’)的计算方法为： 当long[i]≤t-b时： a’=a; b’=b+long[i]; 当long[i]t-b时： a’=a+1; b’=long[i]; 规划的边界条件： g[i,0]=(0,0) 0≤i≤n 题目所求的值：ans=max{k| g[n, k]≤(m-1,t)} 状态总数为O(n2) 每个状态转移的状态数为O(1) 每次状态转移的时间为O(1) 所以总的时间复杂度为O(n2) 值得注意的是，空间复杂度 O(n*m*t) ? O(n2) 使用滚动数组 O(n*m*t) ? O(n) 二、每个状态转移的状态数 状态表示决定范围 决策量的优化 挖掘题目信息 决策单调性 四边形法则 abcd w[a,c]+w[b,d]w[a,d]+w[b,c] 合理组织状态 石子合并问题(NOI`95) [问题描述] 在一个操场上摆放着一排n（n≤20）堆石子。现要将石子有次序地合并成一堆。规定每次只能选相邻的2堆石子合并成新的一堆，并将新的一堆石子数记为该次合并的得分。 试编程求出将n堆石子合并成一堆的最小得分和最大得分以及相应的合并方案。 方法一 w[i] 第i堆石子的石子数 C[i,j] 将第i堆石子、第j堆石子及之间的石子合并所得最小分数 方法二 状态转移方程优化为： C[i,j]=max{C[i+1,j], C[i,j-1]}+t[i,j] ij 规划的边界条件是： C[i,i]=0 算法的时间复杂度O(n2)。 S[i,j-1]? S[i,j] ? S[i+1,j] 由S[i,j-1]? S[i,j] ? S[i+1,j]，可知式中，如果我们先计算了C[i-1,j],S[i-1,j]与C[i,j+1],S[i,j+1]再计算C[i,j]时，k仅需考虑 S[i-1,j] ? S[i,j+1]中的取值。因此，k的选择，由最初的i?j-1，变为了S[i-1,j] ? S[i,j+1]当我们按照 j – i 的值划分阶段时，第d阶段，即计算S[1,1+d],S[2,2+d]…S[i,i+d]…S[n-d,n]需时O(S[n-d+1,n]-S[1,d]+n-d)? O(n) n个阶段总耗时O(n2) 从减少能够转移到当前状态的状态数入手 大多利用题目的单调性或其他更强的特性 四边形法则+单调性 效果很好 应用广泛 要求数学能力强（⊙﹏⊙b汗） 三、每次状态转移的时间 减少决策时间 恰当的顺序 恰当的数据结构 hash表 O(1) 队列优化 O(n) n次扫描均摊为O(1) 排序+二分