动态规划设计DynamicProgrammingDP.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * Decision sequence Problem state Principle of optimal Recurrence equation Traceback * * * * * * * * * * * * * * * yMax=min(w[n]-1,c) * * * * TraceBack For i=1 to n-1 If xi from P(i+1) then xi=1 else xi=0 * * * * * * * * * * 在函数C中,r 为全局一维数组，kay是全局二维数组. 函数C返回c(i j) 之值且置kay[i] [j]=kay (i,j). 函数Traceback 利用函数C中已算出的kay值来推导出最优乘法算法的步骤 存储c[i,j]以避免重复计算 MPC 递归算法 //检查c(i,j) 是否已计算 If c[i][j]0 return c[i][j]; c[i][j]=u; MPC 迭代算法 函数c 的动态规划递归式可用迭代的方法来求解.若按s = 2, 3, …, q-1 的顺序计算 c(i,i+s),每个c 和kay 仅需计算一次.但需很大的存储空间。 MPC 迭代算法:示例 1 2 3 4 5 1 0 50 150 90 190 2 0 50 30 90 3 0 20 40 4 0 200 5 0 设q = 5和r =（10 , 5 , 1 , 10 , 2 , 10）求解MPC MPC 迭代程序 时间复杂度 复杂性为O(q3) . 计算C(i, i+s)需 Θ(s)时间. 对s＝2,…q-1,要 计算q-s个C(i,i+s),时间复杂度为Θ((q-s)s). 所以时间复杂度为Θ(q3) 计算出kay 后同样可用程序15-6中的Traceback 函数算出相应的最优乘法顺序 最短路径(All Pairs Shortest Paths: APSP) 最短路径:假设G为有向图,其中每条边都有一个成本(cost),图中每条有向路径的长度(或成本)定义为该路径上各边的成本之和 对于每对顶点(i, j),定义从i 到j 的所有路径中,具有最小长度的路径为从i 到j 的最短路径 求每对点间的最短路 假定图上无负成本的环路 APSP: 例15-15 如图15-4所示。从顶点1到顶点3的路径有 1) 1,2,5,3 2) 1,4,3 3) 1,2,5,8,6,3 4) 1,4,6,3 由该图可知,各路径相应的长度为1 0,28, 9,2 7.因而路径3) 是该图中顶点1到顶点3的最短路径。 APSP: 动态规划解 将节点按1到n编号. 定义c(i,j,k)=i到j的中间节点编号不超过k的最短路长度. c(i,j,0)=cost(i,j) if i,j∈G else c(i,j,0)=∞ c(i,i,k)=0 for all k c(i, j, n)是要求的i到j的最短路长度 我们建立c(i,j,k)和c(i,j,k-1)之间的递归关系 APSP:递归式 对于任意k＞0， c(i,j,k)=min{c(i, j, k-1), c(i, k, k-1)+ c(k, j, k-1)} 性质 c(i,k,k-1)=c(i,k,k) c(k,j,k)=c(k,j,k-1) 如果直接用递归程序求解上式,则计算c(i,j,n)的复杂度极高.利用迭代方法.可将计算c 值的时间减少到O(n3). 迭代算法的伪代码如图15-5所示。 APSP：迭代算法 令C(k)代表矩阵(c(i,j,k))i,j=1,…,n 初始C(0)=(c(i, j)),即图的邻接矩阵. 算法迭代计算C(k) : 对k行k列的元素 C(k) (i,k)=C(k-1)(i,k) C(k) (k,j)=C(k-1)(k,j). 对k行k列以外的元素 C(k)(i,j)=max{C(k-1)(i, j), C(k-1)(i, k)+C(k-1)(k,j)} APSP：改进的递归算法(1) Kay[i][j]是从i到j的最短路径中编号最大的节点,通过该节点可以回溯最短路径节点 APSP：改进的递归算法(2) APSP: 例15-17 图15-6a 给出某图的长度矩阵a，15-6b 给出由程序15-9所计算出的c 矩阵，15-6c 为对应的kay值。根据15-6c 中的kay 值，可知从1到5的最短路径是从1到kay[1][5]=4的最短路径再加上从4到5的最短路径，因为kay[4][5]=0，所以从4到5的最短路径无中间顶点。从1到4的最短路径经过kay