6.1一般方法与求解步骤.pptVIP

Visual FoxPro 3. 最优性原理 最优性原理：“作为整个过程的最优策略具有这样的性质，无论过去的状态和决策如何,对前面的决策所形成的状态而言,余下的诸决策必须构成最优策略”。 也就是说,最优决策序列中的任何子序列都是最优的。 最优性原理体现为问题的最优子结构特性。当一个问题的最优解中包含了子问题的最优解时，则称该问题具有最优子结构特性。 最优子结构特性是动态规划求解问题的必要条件。 例如，求得在数字串847313926中插入5个乘号，使乘积最大的最优解为： 8*4*731*3*92*6 该最优解包含了在84731中插入2个乘号使乘积最大为8*4*731；在7313中插入1个乘号使乘积最大为731*3；在3926中插入2个乘号使乘积最大为3*92*6等子问题的最优解，这就是最优子结构特性。 最优性原理是动态规划的基础。任何一个问题，如果失去了这个最优性原理的支持，就不可能用动态规划设计求解。 （1） 把所求最优化问题分成若干个阶段，找出最优解的性质，并刻划其结构特性。 （2） 将问题发展到各个阶段时所处不同的状态表示出来，确定各个阶段状态之间的递推关系，并确定初始（边界）条件。 （3） 应用递推求解最优值。 （4） 根据计算最优值时所得到的信息，构造最优解。 构造最优解就是具体求出最优决策序列。通常在计算最优值时，根据问题具体实际记录更多的信息，根据所记录的信息构造出问题的最优解。 (2） 动态规划设计 (3) 递推计算最优值 for(j=0;jw[n];j++) m[n][j]=0; for(j=w[n];j=c1;j++) m[n][j]=w[n]; for(i=n-1;i=1;i--) /* 逆推计算m(i,j) */ for(j=0;j=c1;j++) if(j=w[i] m[i+1][j]m[i+1][j-w[i]]+w[i]) m[i][j]=m[i+1][j-w[i]]+w[i]; else m[i][j]=m[i+1][j]; printf(“%d”,m[1][c1]); (3） 构造最优解 构造最优解即给出所得最优值时的装载方案。 if(m[i][cw]m[i+1][cw]) （其中cw为当前的装载量，i=1,2,,n-1） 装载w[i]; else 不装载w[i]; if(所载集装箱重量≠m(1,c1)) 装载w[n]. 6.3 插入乘号问题 【例6.3】 在一个由n个数字组成的数字串中插入r个乘号(1≤rn10)，将它分成r+1个整数，找出一种乘号的插入方法，使得这r+1个整数的乘积最大。 例如，对给定的整数847313926，如何插入r=5个乘号，使其乘积最大? 如何插入r=4个乘号，使其乘积最大? (1) 算法设计 设f(i,k)表示在前i位数中插入k个乘号所得乘积的最大值，a(i,j)表示从第i个数字到第j个数字所组成的j-i+1(i≤j)位整数值。 一般地，为了求取f(i,k)，考察数字串的前i个数字，设前j（k≤ji）个数字中已插入k-1个乘号的基础上，在第j个数字后插入第k个乘号，显然此时的最大乘积为f(j,k-1)*a(j+1,i)。于是可以得递推关系式: f(i,k)=max(f(j,k-1)*a(j+1,i)) （k≤ji） 前j个数字没有插入乘号时的值显然为前j个数字组成的整数，因而得边界值为： f(j,0)=a(1,j) (1=j=i) (2) 递推计算最优值 for(d=0,j=1;j=n;j++) {d=d*10+b[j-1]-48; /* 把b数组的一个字符转化为数值 */ a[1][j]=d; f[j][0]=a[1][j]; /* f(j,0)赋初始值 */ } for(k=1;k=r;k++) for(i=k+1;i=n;i++) {for(amax=0,j=k;ji;j++) {for(d=0,u=j+1;u=i;u++) d=d*10+b[u-1]-48; a[j+1][i]=d; if(amaxf[j][k-1]*a[j+1][i]) /* 求f(j,k-1)*a(j+1,i)最大值 */ amax=f[j][k-1]*a[j+1][i]; } f[i][k]=amax; /* 赋值给f(i,k) */ } printf