第4章 动态规划-ii.ppt

* 典型例子（一） n=3，c=6，w={4，3，2}，v={5，2，1}。 x (0,0) m(4,x) x (2,1) m(4,x-2)+1 x (0,0) (2,1) m(3,x) (3,2) x m(3,x-3)+2 (5,3) x (0,0) (2,1) m(2,x) (3,2) (5,3) x m(2,x-4)+5 (4,5) (6,6) (7,7) (9,8) x (0, 0) (2, 1) m(1,x) (3,2) (5,3) (4,5) (6,6) (7,7) (9,8) x (0,0) (2,1) m(3,x) x (0,0) (2,1) m(2,x) (3,2) (5,3) P[4] P[3] P[2] Q[2] Q[3] Q[4] P[4] ∪ Q[4]=P[3] * p[4]={(0,0)} (w3,v3)=(2,1) q[4]=p[4]?(2,1)={(2,1)} ?p[3]=p[4]∪q[4]={(0,0),(2,1)} (w2,v2)=(3,2) q[3]=p[3]?(3,2)={(3,2),(5,3)} ?p[2]=p[3]∪q[3]={(0,0),(2,1),(3,2),(5,3)} (w1,v1)=(4,5) q[2]=p[2]?(4,5)={(4,5),(6,6),(7,7),(9,8)} 剔除（7,7),(9,8) q[2]={(4,5),(6,6)} ?p[1]=p[2]∪q[2]={(0,0),(2,1),(3,2),(4,5),(6,6)} 剔除（5，3）受控点 P[1] 的最后跳跃点给出所求最大值m(1,6)=6 * 算法改进 函数m(i,j)是由函数m(i+1,j)与函数m(i+1,j-wi)+vi作max运算得到的。因此，函数m(i,j)的全部跳跃点包含于函数m(i+1,j)的跳跃点集p[i+1]与函数m(i+1,j-wi)+vi的跳跃点集q[i+1]的并集中。易知，(s,t)?q[i+1]当且仅当wi?s?c且(s-wi,t-vi)?p[i+1]。因此，容易由p[i+1]确定跳跃点集q[i+1]如下q[i+1]=p[i+1]?(wi,vi)={(j+wi,m(i,j)+vi)|(j,m(i,j))?p[i+1]} * 另一方面，设(a，b)和(c，d)是p[i+1]?q[i+1]中的2个跳跃点，则当c?a且db时，(c，d)受控于(a，b)，从而(c，d)不是p[i]中的跳跃点。除受控跳跃点外，p[i+1]?q[i+1]中的其他跳跃点均为p[i]中的跳跃点。 由此可见，在递归地由表p[i+1]计算表p[i]时，可先由p[i+1]计算出q[i+1]，然后合并表p[i+1]和表q[i+1]，并清除其中的受控跳跃点得到表p[i]。 受控点是指重量比前面的大，而价值比前面小的点。超过背包容量的点同时被剔除。 * 典型例子（二） n=5，c=10，w={2，2，6，5，4}，v={6，3，5，4，6}。 初始时p[6]={(0,0)}，(w5,v5)=(4,6)。因此，q[6]=p[6]?(w5,v5)={(4,6)}。 p[5]={(0,0),(4,6)}。 q[5]=p[5]?(w4,v4)={(5,4),(9,10)}。从跳跃点集p[5]与q[5]的并集p[5]?q[5]={(0,0),(4,6),(5,4),(9,10)}中看到跳跃点(5,4)受控于跳跃点(4,6)。将受控跳跃点(5,4)清除后，得到p[4]={(0,0),(4,6),(9,10)} q[4]=p[4]?(6,5)={(6,5),(10,11)} p[3]={(0,0),(4,6),(9,10),(10,11)} q[3]=p[3]?(2,3)={(2,3),(6,9)} p[2]={(0,0),(2,3),(4,6),(6,9),(9,10),(10,11)} q[2]=p[2]?(2,6)={(2,6),(4,9),(6,12),(8,15)} p[1]={(0,0),(2,6),(4,9),(6,12),(8,15)} p[1]的最后的那个跳跃点(8,15)给出所求的最优值为m(1,c)=15。 * 算法复杂度分析 上述算法的主要计算量在于计算跳跃点集p[i](1≤i≤n)。由于q[i+1]=p[i+1]?(wi,vi)，故计算q[i+1]需要O(|p[i+1]|)计算时间。合并p[i+1]和q[i+1]并清除受控跳跃点也需要O(|p[i+1]|)计算时间。从跳跃点集p[i]的定义可以看出，p[i]中的跳跃点相应于xi,…,xn的0/1赋值。因此，p[i]中跳跃点个数不超过2n-i+1。由此可见，算