最新动态规划入门篇模版ppt课件.pptVIP

动态规划入门篇;前言;动态规划，和分治法一样，是通过组合子问题的解而解决整个问题的。分治算法是指将问题划分成一些独立的子问题，递归求解各子问题，然后合并子问题的解而得到原问题的解。于此不同，动态规划适用于子问题不是独立的情况，也就是各子问题包含公共的子子问题。动态规划对每个子子问题只求解一次，将其结果保存在一张表中，从而避免每次遇到各个子问题时重新计算答案。 动态规划通常应用于最优化问题。此类问题可能有许多种可行解。每个解都有一个值，而我们希望找到一个具有最优（最大或最小）值的解。称这样的问题为该问题的“一个”最优解（而不是“确定的”最优解），因为可能存在多个取最优解的值。 总结：自从有了动态规划，这个世界变得好美妙！;目录;0.动态规划的基本步骤;1.一个例题;方案一：暴力搜索，穷举所有装配可能，然后选择极小。 显然这个方案是不可行的，因为我们分析可知，装配方式共有2^N种（将所使用装配站一内的站看做一个集合，全集是1….N，子集就有2^N），这时时间复杂度到达O（2^N），显然N太大的时候是一定会TE的。 ;方案二：动态规划。 步骤一：描述最优解的结构 在这里就是通过工厂最快路线的结构 其实这里就是描述问题是否具有一个最优子结构，即可以利用子问题的最优解构造原问题的一个最优解。 在这道题中，观察一条通过S1，j的最快路线，我们发现，它必然是通过S1，j-1或S2，j-1中的一个的最快路线（如果不是最快，则自我矛盾，S1，j就不是最快了） 为了解决这个问题，即寻找通过人一条装配线上的装配站J的最快路线，我们解决它的子问题，即寻找通过两条装配线上的装配站J-1的最快路线。 所以，对于这个问题，我们可以求子问题的最优解，从而得到原问题的最优解。 PS：状态，状态转移方程的概念将会在理脱出，后面会提到，只要找好了状态方程（加元等手段），就能轻松使用动态规划。;步骤二：一个递归的解 利用子问题的最优解来递归定义一个最优解的值。 在这个问题中，我们选择在两条装备线上通过装配站j的最快路线的问题作为子问题（j=1，2，3….，n）。令fi[j]表示一个底盘从起点到装配站Si，j的最快可能时间。 我们的最终目标是确定底盘通过工厂的所有路线的最快时间，记做f*。 f* = min(f1[n] + x1,f2[n] + x2) 下面的问题就是确定f1[1]和f2[1];显然，不管是从那条线路开始装配的，底盘肯定是直接到达装配站1的，也就是说之前是不用计算转移到装配站1的时间的。 则f1[1] = e1 + a1,1 f2[1] = e2 + a2,1 现在计算fi[j]，显然简单递推可知： fi[1] = ei + ai,1; f1[j] = min(f1[j-1] + a1,j , f2[j-1] + t2,j-1 + a1,j) f2[j] = min(f2[j-1] + a2,j , f1[j-1] + t1,j-1 + a2,j) fi[j]的值就是子问题的最优解的值。 注意：这里，我们不需要知道最优解到底是什么，我们只需要求出最优解是多少即可，所以对构造过程可以不进行跟踪。 ;现在，写出一个递归算法计算通过工厂的最快路线是一件很简单的事情了。只需基于以下几个公式即可： f* = min(f1[n] + x1,f2[n] + x2) fi[1] = ei + ai,1; f1[j] = min(f1[j-1] + a1,j , f2[j-1] + t2,j-1 + a1,j) f2[j] = min(f2[j-1] + a2,j , f1[j-1] + t1,j-1 + a2,j) 现在我们来看这种算法的时间复杂度，发现它有一个问题:它的执行时间是关于n的指数形式即O（2^n），这是一个时间复杂度很高的算法。我们来考虑是否能进一步提高它的效率。 ;2009-8-12;解答：减少了重复计算，因为每次计算是试用了上次计算时得出的值，相当于在一个表格里做了记录，使得后面的再次计算时不需要重复计算。这就是后面要讲到的“备忘录”的基本思想。 此题A毕 总结：这是一道动态规划的典型题目，经典的由重复的子问题的最优解得到原问题的最优解。;2.什么时候需要动态规划;动态规划使用的基本条件就是： 1)最优子结构性质 一个问题可用动态规划有效求解的基本要求是该问题具有最优子结构性质，通俗地讲即问题的最优解包含其子问题的最优解。 (2)子问题重叠性质 动态规划所针对的问题还有另外一个显著的特征，即它所对应的子问题树中的子问题呈现大量的重复，称为子问题重叠性质。 在应用动态规划时，对于重复出现的子问题，只需在第一次遇到时加以求解，并把答案保存起来，以便以后再遇到时直接引用，不必重新求解，从而大大地提高解题的效率。 相比之下，一般的搜索技