算法设计与分析动态规划.ppt

要统计计算fib(n)需要递归调用fibonacci函数的次数，只要增加一个全局变量即可。 Num=0; int fibonacci(int n) {Num++; if (n = 1) return 1; return fibonacci(n-1)+fibonacci(n-2); } 如果我们调用fib(5)，将产生一棵对于同一值重复计算多次的调用树： fib(5) fib(4) + fib(3) (fib(3) + fib(2)) + (fib(2) + fib(1)) ((fib(2) + fib(1)) + (fib(1) + fib(0))) + ((fib(1) + fib(0)) + fib(1)) (((fib(1) + fib(0)) + fib(1)) + (fib(1) + fib(0))) + ((fib(1) + fib(0)) + fib(1)) 特别是，fib(2)计算了3次。在更大规模的例子中，还有更多fib的值被重复计算，将消耗指数级时间。 从上图可知，同一个值被计算了多次，如fib(3)计算了3次，fib (2)计算了5次，也就是说随着程序的运行，进行了很多冗余的计算，也就是计算那些已经知道答案的值，这就产生了重叠，相互之间共享了一些数据，实际上，它们之间共享了很多数据。这种情况很普遍。解决的方法之一是(称为memoization方法或缓存方法) ：在第一次计算出函数值时就把值记下，然后以后需要时进行查找。这种方法在知道会重复使用某个值时很有用。 用这种方法求fib（6）只要调用函数11次。 Fib（30）=1346269 Fib（30）=59 （缓存方法） 该方法的具体做法是设置一个全局数组A[N+1],初始值都为0； 对每个I，其A[i]为0表示它的值还没计算出来。 /*备忘录方法求解斐波那契数列, 首先去查是否已经被计算出来 过，如果已经计算出来了（其值大于0），则不递归求解其值 ，直 接返回其值即可，否则（其值为0）递归求解其值 */ #include stdio.h其值 #define N 6 int a[N+1],num; int fac(int n) {num++; if (a[n]0) return a[n]; else { if (n=1) a[n]=1; else a[n]=fac(n-1)+fac(n-2); return a[n]; } } void main() {fac(N); printf(%d %d,a[N],num); } 动态规划通常采用以下两种方式中的一种两个办法： 自顶向下：将问题划分为若干子问题，求解这些子问题并保存结果以免重复计算。该方法将递归和缓存结合在一起。 如上例 自下而上：先行求解所有可能用到的子问题，然后用其构造更大问题的解。该方法在节省堆栈空间和减少函数调用数量上略有优势，但有时想找出给定问题的所有子问题并不那么直观。 斐波纳契数列F(n) 递归 vs 动态规划 方法概要 构造一个公式，它表示一个问题的解是与它的子问题的 解相关的公式.E.g. F(n) = F(n-1) + F(n-2). 为这些子问题做索引 ，以便它们能够在表中更好的存储与检索 (i.e., 数组array【】) 以自底向上的方法来填写这表格; 首先填写最小子问题的解. 这就保证了当我们解决一个特殊的子问题时, 可以利用比它更小的所有可利用的 子问题的解. 动态规划算法 算法思想 将待求解的问题分解成若干个子问题，并存储子问题的解而避免计算重复的子问题，并由子问题的解得到原问题的解。 动态规划算法通常用于求解具有某种最优性质的问题。 动态规划算法的基本要素： 最优子结构性质和重叠子问题。 最优子结构性质：问题的最优解包含着它的子问题的最优解。即不管前面的策略如何，此后的决策必须是基于当前状态（由上一次决策产生）的最优决策。 重叠子问题：在用递归算法自顶向下解问题时，每次产生的子问题并不总是新问题，有些问题被反复计算多次。对每个子问题只解一次，然后将其解保存起来，以后再遇到同样的问题时就可以直接引用，不必重新求解。 动态规划 动态规划算法的4个步骤： 1. 刻画最优解的结构特性. （一维，二维，三维数组） 2. 递归的定义最优解. （状态转移方程） 3. 以自底向上的方法来计算最优解. 4. 从计算得到的解来构造一个最优解. 例题一. 斐波纳契数列F(n) 例题二. 输入n，求出n！ 每一种完全加括号的方式对应于一个矩阵连乘积的计算次序，这决定着作乘积所需要的计算量。若A是一个p×q矩阵，B是一个q×r矩阵，则计算其乘积C=AB的