算法的设计（第5章动态规划法）.pptVIP

5.6 矩阵连乘问题 Algorithm MatrixChain(M: int[]) begin let n = |M|?1, S = new int[n,n]; for i = 0 to n?1 do S[i,i] ? 0; for i = 1 to n do for j = 0 to n?i do S[j,j+i] ? ∞; for k = 0 to i?1 do S[j,j+i] ? min(S[j,j+i], S[j,j+k] + S[j+k+1,j+i] + M[j]*M[j+k+1]*M[j+i+1]); return S[0,n?1]; end 第5章 动态规划法 动态规划法的基本思想 序列和数组问题的动态规划算法 图中的动态规划算法 动态规划法的基本思想 重叠子问题 最优性原则 5.1 动态规划法的基本思想 重叠子问题 Fib(5) 斐波那契数列的递归算法 Fib(4) Fib(3) Fib(3) Fib(2) Fib(2) Fib(1) Fib(2) Fib(1) 5.1 动态规划法的基本思想 重叠子问题 斐波那契数列的动态规划算法 Fib(3) Fib(2) Fib(1) Fib(4) Fib(5) 5.1 动态规划法的基本思想 重叠子问题 最优性原则 一个问题的最优解必然包含其子问题的最优解 首尔 北京 上海 西安 成都 重庆 九寨沟 800 820 980 1100 1200 1250 900 1190 500 550 480 5.1 动态规划法的基本思想 重叠子问题 最优性原则 min(首尔,北京) = 800 min(首尔,上海) = 820 min(首尔,西安) = 1780 min(首尔,重庆) = 1720 min(首尔,成都) = 2000 min(首尔,九寨沟) = 2270 首尔 北京 上海 西安 成都 重庆 九寨沟 800 820 980 1100 1200 1250 900 1190 500 550 480 一个问题的最优解必然包含其子问题的最优解 5.2 计算二项式系数 5.2 计算二项式系数 重叠子问题 C(n,k) C(n?1,k) C(n?1,k?1) C(n?2,k) C(n?2,k?1) C(n?2,k?1) C(n?2,k?2) C(n?3,k) C(n?3,k?1) C(n?3,k?1) C(n?3,k?2) C(n?3,k?1) C(n?3,k?2) C(n?3,k?2) C(n?3,k?3) …… 5.2 计算二项式系数 重叠子问题 …… 序列和数组问题的动态规划算法 最长连续上升子序列问题 最大子段和问题 最长公共子序列问题 5.3 最长连续上升子序列问题 输入: 一组可比较元素组成的序列 输出: 元素连续上升的最长一段子序列 18 15 12 10 20 16 8 14 24 18 5.3 最长连续上升子序列问题 18 15 12 10 20 16 8 14 24 18 lis(A[0..n?1]) = (Max (i,j): 0≤i≤jn ? A[i]A[i+1]…A[j]: |A[i..j]|) O(n2) 5.3 最长连续上升子序列问题 18 15 12 10 20 16 8 14 24 18 lis(A[0..n?1]) = (Max i: 0≤in ? A[i]A[i+1]…A[n?1]: |A[i..n?1]|) 1 2 1 2 3 1 2 1 2 1 lis(A[0..n?1]) = (Max (i,j): 0≤i≤jn ? A[i]A[i+1]…A[j]: |A[i..j]|) O(n2) O(n) 5.3 最长连续上升子序列问题 [动态规划算法] Algorithm LongestIncSubseqT(A: T[]) begin let n = |A|, lis = lis = 1; for i = 0 to n-2 do if (A[i]≥A[i+1]) then lis ? 1; else lis ? lis + 1; if (lislis) then lis ? lis; return lis; end 5.4 最大子段和问题 输入: 数组A[0..n?1] 输出: 元素之和最大的一段子数组 rs(A[0..n?1]) ≡ (Max i: 0≤in: sum(A[i..n?1]) lis(A[0..n?1]) = (Max (i,j): 0≤i≤jn: sum(A[i..j])) O(n2) O(n) 5.4 最大子段和问题 [动态规划算法] Algorithm MaxSum(A: int[]) begin let n