经典的石子合并.docVIP

经典的石子合并 问题描述：在一个圆形操场的四周摆放着n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。试设计一个算法，计算出将n堆石子合并成一堆的最小得分和最大得分。对于给定n堆石子,编程计算合并成一堆的最小得分和最大得分，并输出具体合并过程。 我觉得这是一道很有难度的动态规划算法题，如果不看资料，绝对是无法正确得到状态转移方程与输出最优解的合并过程的。下面我整理了一下该问题的具体算法分析设计过程。 DP算法分析与设计：我们把每一次合并划分为阶段，当前阶段中计算出的得分和作为前一次合并的基础上定义一个能使目前得分总和最大的合并方案作为一次决策。显然，某阶段的状态给阶段的决策不受这阶段以前各段状态的影响。这种无后效性的性质符最佳原理，因此可采用动态规划算法。 DP状态表示：我们用〔i，j〕表示一个从第i堆数起，顺时针数j堆时的子序列第i堆、第i+1堆、…… (i+j-1) mod n堆｝。为了输出最优解的方便，我们定义一个结构体Node，它包含两个域 c --- 得分；d --- 最优化选择时子序列1的堆数。有：f[i][j]表示一个从第i堆数起，顺时针数j堆时的子序列(i, i+1... (i+j-1)%n+1) (1) 在该子序列的各堆石子合并成一堆的过程中，各次合并得分的总和---c (2) 形成最佳得分和的子序列1和子序列2。由于两个子序列是相邻的，因此只需记住子序列1的堆数k即可 --- d DP边条及状态转移方程： (1) 边条：显然，对每一堆石子来说，仅含一堆石子的序列不存在合并有: f[i][1].c = 0， f[i][1].d = 0 （1 = i = N） (2) 方程：对子序列(i，j)最后一次合并，其得分为第i堆数起，顺时针数j堆的石子总数t。被合并的两堆石子是由子序列(i, k)和((i+k-1)%n+1, j-k)(1=k=j-1)经有限次合并形成的。为求出最佳合并方案中的k值，我们定义如下DP方程： 当求最大得分总和时 f[i][j].c = max{ f[i][k].c + f[x][j-k] + t | 1=k=j-1 }---2 =j =n,1=i=n f[i][j].d =上面最优化选择的k，即合并成f[i][j]的子序列1的堆数。 当求最小得分总和时 f[i][j].c = min{ f[i][k].c + f[x][j-k] + t | 1=k=j-1 }---2 =j =n,1=i=n f[i][j].d = 上面最优化选择的k，即合并成f[i][j]的子序列1的堆数。 其中里面其余两个未知量：x =(i + k - 1)%n + 1，即第i堆数起，顺时针数 k+1 堆的堆序号。t = sum[i][j]，表示从第 i 堆起，顺时针数j堆的石子总数，而sum[i][j]可以在O(n^2)时间内预处理得到。 DP编程实现： (1) 由于该方程形式上是二维方程，且f[i][j]与f[x][j-k]有关，其中x为(i+k-1)%n，所以如果直接采用for(i)for(j)的顺推的话，是有后效的，仔细一看，方程的第2维j是j – k，与后面无关。所以编程实现时，可以采用类似于矩阵乘法链中的实现一样，将j放在前面递推。 (2) 递归计算最优解的合并策略时，倒推进行即可，可以采用如下形式： void Print() { if(满足递归进行条件) { Print(); // 先处理前面的 xxxxxxx // 再处理当前 xxxxxxx } } 小结：对于组合最优化求解，动态规划算法无疑是最有效的算法。然而它的难点其实就是状态的设置，只有设置好状态，才可以得到物理意义直观明显的转移方程，也才好得到最优化策略的应用。 附录：--- 经典石子合并源程序 #include stdio.h #include string.h #define N 500 #define oo 2000000000 #define MIN(a, b) (a)(b)?(a):(b) #define MAX(a, b) (a)(b)?(a):(b) typedef struct { int c, d;