17 动态规划-参考资料.pdfVIP

算法导论 世上本没有ACM ，AC 的人多了，也便有了！ 17 动态规划 Dynamic Programming • 和分治法一样，动态规划是通过组合子问题的解 而解决整个问题的。 • 分治法：指将问题划分成一些独立的子问题，递 归地求解各子问题，然后合并子问题的解而得到 原问题的解。 自从有了动态规划，这个世界变得好美妙！ • DP适用于子问题不是独立的情况，即各子问题 包含公共子子问题。此时，若采用分治法，会重 复地求解公共的子子问题。而DP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 避免每次遇到各子问题时都要重新计算。 • DP主要用于最优化问题的求解。最优化问题一 般有很多的可行解，每个解都有一个值，目的是 找出具有最优（最大/最小）值的解。当有多个 最优解时，一般是求出一个即可。 DP的基本步骤 • ①描述最优解的结构特征； • ②递归地定义最优解的值； • ③按自底向上的方式计算最优解的值； • ④由计算出的结果构造出一个最优解。 • 1-3步是用DP求解的基础。第4步，如果只要求 计算出最优解的值，可以略去。若要构造最优解 ，则要在第3步中记录一些附加的信息，例如求 最短路径。 DP基础 • 采用DP方法解决最优化问题的两个要素：最优 子结构和重叠子问题。 • （1）最优子结构 • 用DP求解优化问题的第一步是描述最优解的结 构。 • 如果一个问题的一个最优解中包含了子问题的最 优解，则该问题具有最优子结构性质。 • 当一个问题具有最优子结构时，提示我们DP可 能会适用。 • 在分析问题的最优子结构性质时，所用的方法具 有普遍性：首先假设由原问题的最优解导出的子 问题的解不是最优的，然后再设法说明在此假设 下，可构造出比原问题最优解更好的解，从而导 出矛盾。 满足最优性原理的例子：最短路径 • 若路线I和J是A到C的最优路径，则根据最优化 原理，路线J必是从B到C的最优路线。这可用 反证法证明：假设有另一路径J‗是B到C的最优 路径，则A到C的路线取I和J‘ 比I和J更优，矛盾 。从而证明J必是B到C的最优路径。 • 利用问题的最优子结构性质，以自底向上 的方式递归地从子问题的最优解逐步构造 出整个问题的最优解。 • 最优子结构性质是问题能用DP求解的前 提。DP最重要的就是找到最优子结构。 • （2 ）重叠子问题 • 递归算法求解问题时，每次产生的子问题并不总 是新问题，有些子问题被反复计算多次。这种性 质称为子问题的重叠性质。 • DP，对每个子问题只求解一次，然后将其解保 存在一个表格中，当再次要解此子问题时，只要 查询一下表即可。 •通常不同的子问题个数随问题的大小呈多项式增 长。因此用动态规划只需要多项式时间，从而获 得较高的解题效率。 备忘录方法 • 备忘录方法是DP的一个变种。 • 备忘录方法的控制结构与直接递归方法的控制结 构相同，区别在于备忘录方法为每个解过的子问 题建立了备忘录以备需要时查看，避免了相同子 问题的重复求解。 • 备忘录方法本质上与DP一样，但是比DP更好理 解： • （1）使用普通的递归结构，自上而下的解决问 题。 • （2 ）当在递归算法的执行中每一次遇到一个子 问题时，就计算出它的解并存入一个表中。以后 每次遇到该子问题时，只要查看并返回表中先前 填入的值即可。 • 如果所有的子问题都至少要被计算一次，则一个 自底向上的DP算法比一个自顶向下的做备忘录 算法好出一个常数因子，因为DP无需递归的代 价，而且维护表格的开销也小些；如果子问题空 间中的某些子问题根本没有必要求解，做备忘录 方法有着只解那些肯定要求解的子问题的优点。 例1：Fibonacci数列 • Fibonacci数列： • 1，1，…，f(n-1)+f(n-2)，… • 采用树形递归方法： int f(int n){ if(n==0 || n==1) return