第3章 节 动态规划 算法设计与分析电子教案.pptVIP

记 。N(i,j)的最大不相交子集为MNS(i,j)。Size(i,j)=|MNS(i,j)|。 (1)当i=1时， (2)当i1时， 2.1 jπ(i)。此时， 。故在这种情况下，N(i,j)=N(i-1,j)，从而Size(i,j)=Size(i-1,j)。 2.2 j≥π(i)，(i,π(i))∈MNS(i,j) 。 则对任意(t,π(t)) ∈MNS(i,j)有ti且π(t)π(i)。在这种情况下MNS(i,j)-{(i,π(i))}是N(i-1,π(i)-1)的最大不相交子集。 2.3 若 ，则对任意(t,π(t)) ∈MNS(i,j)有 ti。从而 。因此，Size(i,j)≤Size(i-1,j)。 另一方面 ，故又有Size(i,j)≥Size(i-1,j)， 从而Size(i,j)=Size(i-1,j)。 电路布线 (1)当i=1时 (2)当i1时 流水作业调度 n个作业{1，2，…，n}要在由2台机器M1和M2组成的流水线上完成加工。每个作业加工的顺序都是先在M1上加工，然后在M2上加工。M1和M2加工作业i所需的时间分别为ai和bi。 流水作业调度问题要求确定这n个作业的最优加工顺序，使得从第一个作业在机器M1上开始加工，到最后一个作业在机器M2上加工完成所需的时间最少。 分析： 直观上，一个最优调度应使机器M1没有空闲时间，且机器M2的空闲时间最少。在一般情况下，机器M2上会有机器空闲和作业积压2种情况。 设全部作业的集合为N={1，2，…，n}。S?N是N的作业子集。在一般情况下，机器M1开始加工S中作业时，机器M2还在加工其他作业，要等时间t后才可利用。将这种情况下完成S中作业所需的最短时间记为T(S,t)。流水作业调度问题的最优值为T(N,0)。 流水作业调度 设?是所给n个流水作业的一个最优调度，它所需的加工时间为 a?(1)+T’。其中T’是在机器M2的等待时间为b?(1)时，安排作业?(2)，…，?(n)所需的时间。 记S=N-{?(1)}，则有T’=T(S,b?(1))。 证明：事实上，由T的定义知T’?T(S,b?(1))。若T’T(S,b?(1))，设?’是作业集S在机器M2的等待时间为b?(1)情况下的一个最优调度。则?(1)， ?’(2)，…， ?’(n)是N的一个调度，且该调度所需的时间为a?(1)+T(S,b?(1))a?(1)+T’。这与?是N的最优调度矛盾。故T’?T(S,b?(1))。从而T’=T(S,b?(1))。这就证明了流水作业调度问题具有最优子结构的性质。 由流水作业调度问题的最优子结构性质可知， Johnson不等式 对递归式的深入分析表明，算法可进一步得到简化。 设?是作业集S在机器M2的等待时间为t时的任一最优调度。若?(1)=i, ?(2)=j。则由动态规划递归式可得: T(S,t)=ai+T(S-{i},bi+max{t-ai,0})=ai+aj+T(S-{i,j},tij) 其中， 如果作业i和j满足min{bi,aj}≥min{bj,ai}，则称作业i和j满足Johnson不等式。 * 第3章 动态规划 动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题 n T(n/2) T(n/2) T(n/2) T(n/2) T(n) = 算法总体思想 动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题 n T(n/2) T(n/2) T(n/2) T(n/2) T(n) = 但是经分解得到的子问题往往不是互相独立的。不同子问题的数目常常只有多项式量级。在用分治法求解时，有些子问题被重复计算了许多次。 算法总体思想 n T(n) = n/2 T(n/4) T(n/4) T(n/4) T(n/4) n/2 T(n/4) T(n/4) T(n/4) T(n/4) n/2 T(n/4) T(n/4) T(n/4) T(n/4) n/2 T(n/4) T(n/4) T(n/4) T(n/4) 如果能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，就可以避免大量重复计算，从而得到多项式时间算法。 算法总体思想 n = n/2 T(n/4) T(n/4) T(n/4) T(n/4) n/2 n/2 T(n/4) T(n/4) n/2 T(n/4) T(