NOI导刊_基础算法策略 .ppt

通过反复的试验，我们发现事实上有两种方式产生错位排列： ?A.将k与(1，2，…，k－1)的某一个数互换，其他k－2个数进行错排，这样可以得到(k－1)×W(k-2)个错位排列。 ?B.另一部分是将前k－1个元素的每一个错位排列（有W(k-1)个）中的每一个数与k互换，这样可以得到剩下的(k－1)×W(k-1) 个错位排列。 根据加法原理，我们得到求错位排列的递推公式W(k): W(k) = (k–1) * [W(k–1)+W(k–2)] 分析 例题3：走直线棋问题。有如下所示的一个编号为１到ｎ的方格： 现由计算机和人进行人机对奕，从１到ｎ，每次可以走ｋ个方格，其中ｋ为集ｓ={a1,a2, a3,....am}中的元素(m=4)，规定谁最先走到第n格为胜，试设计一个人机对奕方案，摸拟整个游戏过程的情况并力求计算机尽量不败。 递推的应用（博弈问题） 1 2 3 4 5 … … N-1 N 题设条件：若谁先走到第N格谁将获胜，例如，假设S={1,2}，从第N格往前倒推，则走到第N-1格或第N-2格的一方必败，而走到第N-3格者必定获胜，因此在N，S确定后，棋格中每个方格的胜、负或和态（双方都不能到达第N格）都是可以事先确定的。将目标格置为必胜态，由后往前倒推每一格的胜负状态，规定在自己所处的当前格后，若对方无论走到哪儿都必定失败，则当前格为胜态，若走后有任一格为胜格，则当前格为输态，否则为和态。 分析 设1表示必胜态，-1表示必败态，0表示和态或表示无法到达的棋格。 例如，设N＝10，S＝{1,2}，则可确定其每个棋格的状态如下所示： 而N＝10，S＝{2,3}时，其每格的状态将会如下所示： 有了棋格的状态图后，程序应能判断让谁先走，计算机选择必胜策略或双方和（双方均不能到达目标格）的策略下棋，这样就能保证计算机尽可能不败。 分析 1 -1 -1 1 -1 -1 1 -1 -1 1 0 -1 -1 0 1 0 -1 -1 0 1 在一个n×m的方格中，m为奇数，放置有n×m个数 ，如图,方格中间的下方有一人，此人可按照五个方向前进但不能越出方格,见右下图。 人每走过一个方格必须取此方格中的数。要求找到一条从底到顶的路径，使其数相加之和为最大。输出和的最大值。 16 4 3 12 6 0 3 4 -5 6 7 0 0 2 6 0 -1 -2 3 6 8 5 3 4 0 0 -2 7 -1 7 4 0 7 -5 6 0 -1 3 4 12 4 2 人 递推的应用（动态规划中的递推 例4：方格取数 分析 我们用坐标(x,y)唯一确定一个点，其中(m,n)表示图的右上角，而人的出发点是，受人前进方向的限制，能直接到达点(x,y)的点只有(x+2,y-1)，(x+1,y-1)，(x,y-1)，(x-1,y-1)，(x-2,y-1)。到点(x,y)的路径中和最大的路径必然要从(m/2,0)到(x+2,y-1)，(x+1,y-1)，(x,y-1)，(x-1,y-1)，(x-2,y-1)的几条路径中产生，既然要求最优方案，当然要挑一条和最大的路径，关系式如下： Fx,y= Max{Fx+2,y-1 ,Fx+1,y-1,Fx,y-1,Fx-1,y-1,Fx-2,y-1}+Numx,y， 其中Numx,y 表示(x,y) 点上的数字。 边界条件为： 动态规划与递推的关系 上题实质上是采用动态规划来求解,那么与递推动态规划之间到底是什么关系呢？ 我们不妨画个图(如下图)。而通常人们理解的递推关系就是一般递推关系，故认为动态规划与递推关系是两个各自独立的个体。 动态规划 一般递推关系 递推关系 动态规划与递推的关系 1、一般递推边界条件很明显,动态规划边界条件比较隐蔽,容易被忽视 2、一般递推数学性较强,动态规划数学性相对较弱 3、一般递推一般不划分阶段,动态规划一般有较为明显的阶段 第三部分 贪心方法 贪心方法的基本思想 贪心是一种解题策略，也是一种解题思想 使用贪心方法需要注意局部最优与全局最优的关系，选择当前状态的局部最优并不一定能推导出问题的全局最优 利用贪心策略解题，需要解决两个问题： 该题是否适合于用贪心策略求解 如何选择贪心标准，以得到问题的最优解 适用于贪心策略求解的问题的特点 适用于贪心策略求解的问题必须具有最优子结构的性质，但并不是所有具有最优子结构的问题都可以用贪心策略求解。因为贪心往往是盲目的，需要使用更理性的方法——动态规划（例如“0-1背包问题”与“部分背包问题”） 贪心方法的应用 例题1：节点网络。 现有一个N！个节点的网络，每个节点的编号都是编号（A1A2A3…AN）序列的一个置换。对于任意