计算机学院动态规划教学课件.pptVIP

第3讲 动态规划 第3讲 动态规划 一、算法总体思想 二、算法基本要素 三、算法范例分析 动态规划通常应用于最优化问题，即要做 出一组选择以达到一个最优解。在做选择 的同时，经常出现同样形式的问题。当某 一特定的子问题可能出自于多于一种选择 的集合时，动态规划是很有效的；关键技 术是存储这些子问题每一个的解，以备它 重复出现。 动态规划基本步骤 #include stdafx.h #include iostream.h void MatrixChain(int* p,int n,int m[][6],int s[][6]); void Traceback(int i,int j,int s[][6]); int main(int argc, char* argv[]) { int n=6; int m[6][6]; int s[6][6]; int p[7]; for (int i=0;i=n;i++) {cout\n 请输入正整数p(i); cinp[i]; } for (int ii=0;ii=n;ii++) coutp[ii] ; coutendlendlendl; MatrixChain(p,n,m,s); //coutnendl; Traceback(1,6,s); return 0; } 课堂练习 1.找零钱问题：设有n种不同面值的硬币，各硬币的 面值存于数组T[1:n]中。现要用这些面值的硬币来找 钱，可以实用的各种面值的硬币个数不限，使找零 钱时给出最少硬币的枚数。 当只用硬币面值T[1],T[2],…,T[i]时，可找出钱数j的 最少硬币个数记为C(i,j)。若只用这些硬币面值，找 不出钱数j时，记C(i,j)=∞。 设计一个动态规划算法，对1≤j≤L，计算出所有的C( n,j )。 算法中只允许实用一个长度为L的数组。用L和n作为变量来表 示算法的计算时间复杂性。 算法设计思想： 假设这一堆面值分别为 1、2、5、21、25 元，需要找出总值 T 为 63 元的零钱。很明显，只要拿出 3 个 21 元的硬币就凑够了 63 元了。 基于上述动态规划的思想，我们可以从 1 元开始计算出最少需要几个硬币，然后再求 2 元、3元…每一次求得的结果都保存在一个数组中，以后需要用到时则直接取出即可。那么我们什么时候需要这些子问题的解呢？如何体现出由子问题的解得到较大问题的解呢？ 其实，在我们从 1 元开始依次找零时，可以尝试一下当前要找零的面值（这里指 1?元）是否能够被分解成另一个已求解的面值的找零需要的硬币个数再加上这一堆硬币中的某个面值之和，如果这样分解之后最终的硬币数是最少的，那么问题就得到答案了。 算法设计思想： 递归计算：假设对于i = 1...N-1， 所需最少的硬币数Count(i) 已 知， 那么对于N，所需的硬币数为Min( Count(i) + Count(N-i)) , i=1...N-1；但是，递归过程中，每次计算Count(i)，都会重复计算 Count(1)....Count(i-1); 这样时间复杂度就是O(N2); 动态规划：可以从1开始记录下每个钱数所需的硬币枚数，避免重 复计算，为了能够输出硬币序列，我们还需要记录下每次新加入 的硬币。 当只用面值为T[1],T[2],…T[n]来找出钱j时，所用的硬币的最小个 数记为C(i,j),则C(i,j)的递推方程为： C(i,j)=min(C(i-1,j)+1)，0=i=n public?class?CoinsChange?{ ?????/** ??????*?硬币找零：动态规划算法 ??????*?@param?values: 保存每一种硬币的币值的数组 ??????*?@param?valueKinds: 币值不同的硬币种类数量，即coinValue[]数组的大小 ??????*?@param?money: 需要找零的面值 ??????*?@param?coinsUsed: 保存面值为i的纸币找零所需的最小硬币数 ?*/?????public?static?void?makeChange(int[]?values,?int?valueKinds,?int?money, ?int[]?coinsUsed)?{ ??????????coinsUsed[0]?=?0; ?????????//?对每一分钱都找零，即保存子问题的解以备用，即填表 ?????????for?(int?cents?=?1;?cents?=?money;?cents++)?