第三章 动态规划算法（上）.pptVIP

第三章 动 态 规 划 算 法 问题引入 斐波纳契数列 递归 int Fibonacci(int n){ if(n==0||n==1) return 1; else return Fibonacci(n-1)+Fibonacci(n-2); } F(5)的递归树 多个元素被重复计算 动态规划 int Fibonacci(int *f, int n){ f[0]=f[1]=1; for(int i=2;i=n;i++) f[i]=f[i-1]+f[i-2]; return f[n]; } 时间复杂度：O(n) 方法概要 原问题的解可以用它的子问题的解递归的表示，如F(n)=F(n-1)+F(n-2)； 用表格储存子问题的解，如数组*f； 从最小的子问题开始求解，自底向上的填写表格。遇到已计算过的子问题时，只需在表格中查找其值，避免了重复计算。 算法阐述 基本思想 将待求解的问题分解成若干个子问题，并存储子问题的解以避免计算重复的子问题，然后自底向上地由子问题的解得到原问题的解。 应用对象 动态规划算法通常用于求解具有某种最优性质的问题。 基本步骤 分析最优解的结构； 递归的定义最优值； 自底向上的计算出最优值； 根据计算最优值时得到的信息，构造最优解。 矩阵连乘 问题描述 考察n个矩阵的连乘积A1A2…An ，其中Ai的维数为pi-1×pi，i=1,2,…,n。 计算矩阵的连乘可以有许多不同的计算次序。这种计算次序可以用加括号的方式来确定。 不同计算次序的计算量也不同，如何确定一个最优的计算次序，使矩阵连乘的计算量最小？ 动态规划求解 分析最优解的结构 将矩阵连乘积AiAi+1…Aj简记为Ai..j，i≤j，考察Ai..j的最优计算次序。设这个计算次序在Ak和Ak+1之间将矩阵链断开，i≤kj，则加括号方式为(Ai...Ak)(Ak+1…Aj)，易用反证法证明，计算Ai..j的最优次序所包含的计算矩阵子链 Ai..k和Ak+1..j的次序也是最优的。 建立递归关系 设计算Ai..j，1≤i≤j≤n，所需要的最少数乘次数为m[i][j]，则原问题的最优值为m[1][n]。 可以递归地定义m[i][j]为： 将m[i][j]的最佳断开位置kmin记为s[i][j]，在计算出最优值m[i][j]后，可递归的由s[i][j]构造出相应的最优解。 计算最优值 自顶向下 自底向上 void MatrixChain(int n, int *p, int **m, int **s){ int i, j, k, r, tmp; for(i=1;i=n;i++) m[i][i]=0; for(r=2;r=n;r++) for(i=1;i=n-r+1;i++){ j=i+r-1; m[i][j]=m[i+1][j]+p[i-1]*p[i]*p[j]; s[i][j]=i; for(k=i+1;kj;k++){ tmp=m[i][k]+m[k+1[j]+p[i-1]*p[k]*p[j]; if(tmpm[i][j]){ m[i][j]=tmp; s[i][j]=k; } } } } 时间复杂度：O(n3) 计算矩阵连乘A1A2A3A4A5A6，各矩阵维数如下： 因此，S[2][5]=3。 构造最优解 void Traceback(int i, int j, int **s){ if(i==j) return; Traceback(i, s[i][j], s); Traceback(s[i][j]+1, j, s); printf(”Multiply A%d,%d”,i,s[i][j]); printf(”and A%d,%d\n”,s[i][j]+1,j); } 要点总结 最大子段和问题 蛮算 分治算法 动态规划算法 最优子结构性质 凸多边形的最优三角剖分问题有最优子结构性质。 事实上，若凸(n+1)边形P={v0,v1,…,vn-1}的最优三角剖分T包含三角形v0vkvn，1≤k≤n-1，则T的权为3个部分权的和：三角形v0vkvn的权，子多边形{v0,v1,…,vk}和{vk,vk+1,…,vn}的权之和。可以断言，由T所确定的这2个子多边形的三角剖分也是最优的。因为若有{v0,v1,…,vk}或{vk,vk+1,…,vn}的更小权的三角剖分将导致T不是最优三角剖分的矛盾。 最优三角剖分的递归结构 定义t[i][j]，1≤ij≤n为凸子多边形{vi-1,vi,…,vj}的最优三角剖分所对应的权函数值，即其最