第3章动态规划(DynamicPrograming).pptVIP

第3章 动态规划 (Dynamic Programming). 学习要点: 理解动态规划算法的概念。 掌握动态规划算法的基本要素 （1）最优子结构性质 （2）重叠子问题性质 掌握设计动态规划算法的步骤。 通过应用范例学习动态规划算法设计策略。 （1）矩阵连乘问题；（2）最长公共子序列； （3）最大子段和 （4）凸多边形最优三角剖分； （5）多边形游戏； （6）图像压缩； （7）电路布线； （8）流水作业调度； （9）背包问题； （10）最优二叉搜索树。 动态规划：解决多阶段决策问题的优化方法 最优决策序列：在多阶段决策过程的每一阶段，都有多种可供选择的决策，从中选取一种决策，一旦各个阶段的决策选定之后，就构成了解决这一问题的一个决策序列; 动态规划的目标：在所有允许选择的决策序列中选取一个会获得问题最优的决策序列，即最优决策序列。 回顾：分治法可解问题的特点 问题的规模缩小到一定的程度可容易地解决； 该问题可分解为若干规模较小的相同问题; 分解出的子问题的解可以合并为原问题的解； 分解出的各个子问题是相互独立的。 动态规划基本步骤 找出最优解的性质，并刻画其结构特征。 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。 其中1－3为基本步骤。 动态规划算法常用于求解具有某种最优性质的问题. 可能有许多可行解, 希望找到具有最优值的那个解. 完全加括号的矩阵连乘积可递归地定义为： （1）单个矩阵是完全加括号的； （2）矩阵连乘积A 是完全加括号的，则A可 表示为2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). 2.建立递归关系 设计算A[i:j]，1≤i≤j≤n，所需要的最少数乘次数m[i,j]，则原问题的最优值为m[1,n]。 当i=j时，A[i: j]=Ai，因此，m[i, i]=0， 当ij时，假设在k处断开最优，利用最优子结构性质得： m[i, j]=m[i,k]+m[k+1, j]+pi-1pkpj， 这里Ai的维数为pi-1×pi，i=kj。 2.建立递归关系 可以递归地定义m[i, j]为： k的位置只有j-i种可能(最后一个在j-1处)。 用动态规划算法解此问题，可依据其递归式以自底向上的方式进行计算; 在计算过程中，保存已解决的子问题答案。每个子问题只计算一次; 而在后面需要子问题的解时只要简单查一下，从而避免大量的重复计算，最终得到多项式时间的算法. 算法复杂度分析： 算法matrixChain的主要计算量取决于算法中对r，i和k的3重循环。循环体内的计算量为O(1)，而3重循环的总次数为O(n3)。因此算法的计算时间上界为O(n3)。算法所占用的空间显然为O(n2)。 4 构造最优解 构造最优解 例： A[1:6]对应s[1][6] =3， k=3? （A[1:3] ）（A[4:6]） 而A[1:3]最优加括号方式为 （A[1: s[1][3 ] )( A[s[1 ][ 3 ] +1：s[1 ][ 6]） 即A[1 ] A [2：3 ] 同理讨论A[4:6]……。 计算A[1][6] 的最优计算次序为 （ （ A1（A2 A3 ） ） （ （ A4 A5 ） A6 ） ） 。 小结动态规划算法的基本思想 将原问题分解为若干个子问题，先求子问题的解，然后从这些子问题的解得到原问题的解。 这些子问题的解往往不是相互独立的。在求解的过程中，许多子问题的解被反复地使用。为了避免重复计算，动态规划算法采用了填表来保存子问题的解。 在算法中用表格来保存已经求解的子问题的解，无论它是否会被用到。当以后遇到该子问题时即可查表取出其解，避免了重复计算。 动态规划算法的基本要素 最优子结构性质：问题的最优解是由其子问题的最优解所构成的。 动态规划算法的基本方法 动态规划算法通常可以按以下几个步骤进行： (1)找出最优解的性质，并刻画其结构特征； (2)递归地定