算法设计与分析基础看第2版清华出版社算法分析第8章.pptVIP

动态规划(dynamic programming)是一种算法设计技术，它有着相当有趣的历史。作为一种使多阶段决策过程最优的通用方法，它是在20世纪50年代由一位卓越的美国数学家Richard Bellman所发明的。因此，这个技术名字中的“Programming”是计划和规划的意思，不是代表计算机中的编程。它作为一种重要的工具在应用数学中的价值被大家认同以后，起码在计算机科学的圈子里，人们不仅用它来解决特定类型的最忧问题，而且最终把它作为一种通用的算法设计技术来使用。在这里，我们正是从这个角度来考虑这种技术的。 如果问题是由交叠的子问题所构成的，我们就可以用动态规划技术来解决它。一般来说，这样的于问题出现在对给定问题求解的递推关系中，这个递推关系中包含了相同类型的更小子问题的解。动态规划法建议，与其对交叠的子问题一次又一次地求解，还不如对每个较小的子问题只求解一次并把结果记录在表中，这样就可以从表中得出原始问题的解 8.1 计算二项式系数 计算二项式系数是把动态规划应用于非最优化问题的一个标准例子 在二项式系数的多种特性之中，只关心两种： 当nk0时，C(n,k)＝C(n-1,k-1)+C(n-1,k) 以及 C(n,0)=C(n,n)=1 为了计算c(n,k)，一行接一行地填充下表，从行0开始，到行n结束 算法 Binomial(n,k) //用动态规划算法计算C(n,k) //输入：—对非负整数n=k=0 //输出：C(n,k)的值 for i← 0 to n do for j ← 0 to min(i,k) do if j=0 or j=k C[i,j] ← 1 else C[i,j] ←C[i-1,j-1]+C[i-1,j] return C[n,k] 该算法的时间效率如何呢?显然，该算法的基本操作是加法 8.2 Warshall算法和FLoyd算法 8．2．2 Warshall算法 一个有向图的邻接矩阵A={aij}是一个布尔矩阵，当且仅当从第i个顶点到第j个顶点之间有一条有向边时，矩阵第i行第j列的元素为1。 定义 一个n顶点有向图的传递闭包可以定义为一个n阶布尔矩阵T={tij} ，如果从第i个到顶点到第j个顶点之间存在一条有效的有向路径，矩阵第i行(1≤i ≤n)第j列(1≤j ≤n)的元素为1；否则，tij为0。 我们可以在深度优先查找和广度优先查找的帮助下生成有向图的传递闭包。从第i个顶点开始，无论采用哪种遍历方法，都能够得到通过第i个顶点访问到的所有顶点的信息，因此，传递闭包的第i行的相应列置为了1。以每个顶点为起始点做一次这样的遍历就生成了整个图的传递闭包。 Warshall算法通过一系列n阶布尔矩阵来构造一个给定的n个顶点有向图的传递闭包，算法的中心思想是，任何中的所有元素都可以通过它在序列（8.5）中的直接前趋计算得到。 ： 式(8．7)是Warshall算法的核心 算法 Warshall（A[1..n,1..n]） //实现计算传递闭包的Warshall算法 //输入：包括n个顶点有向图的邻接矩阵A //输出：该有向图的传递闭包 8.2.2计算完全最短路径的Floyd算法 绐定一个加权连通图（无向的或有向的），完全最短路径问题要求找到从每个顶点到其他所有顶点之间的距离(最短路径的长度) Floyd算法通过一系列n阶矩阵来计算一个n顶点加权图的距离矩阵： 每一个这种矩阵都包含了所讨论的矩阵在特定路径约束下的最短路径的长度 每条这种路径都由两条路径构成：一条从vi到vk的路径，路径中每个中间顶点的编号都大于K一1；一条从vi到vj的路径，路径中每个中间顶点的编号也都不大于k-1. 算法 Floyd(W[1..n,1..n]) // 实现计算完全最短路径的Floyd算法 // 输入：图的权重矩阵W // 输出：包含最短路径长度的距离矩阵 8.3 最优二叉树 考虑分别以概率0.1，0.2，0.4，0.3来查找4个键A,B,C,D。包含这些键的二叉查找树有14种不同的可能 在成功查找时，第一棵树的平均键值比较次数为0.1*1+0.2*2+0.4*3+0.3*4＝2.9，而第二棵树是0.1*2+0.2*1+0.4*2+0.3*3＝2.1。 作为一个通用的算法，这种穷举查找方法是不现实的：包含n个键的二叉查找树的总数量等于第n个卡塔兰数