论文--从《鹰蛋》一题浅析对动态规划算法的优化.docVIP

优化，再优化！——从《鹰蛋》一题浅析对动态规划算法的优化 第 PAGE 2页 共 NUMPAGES 22页 优化，再优化！ ——从《鹰蛋》一题浅析对动态规划算法的优化 目录 TOC \o 1-4 \h \z 关键字 2 摘要 2 正文 2 引言 2 问题 2 分析 3 算法一 3 算法二 4 算法三 4 算法四 6 小结 7 算法五 7 总结 10 结束语 11 关键字 优化 动态规划 模型 摘要 本文就Ural 1223 《鹰蛋》这道题目介绍了五种性能各异的算法，并在此基础上总结了优化动态规划算法的本质思想及其一般方法。全文可以分为四个部分。 第一部分引言，阐明优化动态规划算法的重要性； 第二部分给出本文讨论的题目； 第三部分详细讨论这道题目五种不同的动态规划算法，并阐述其中的优化思想； 第四部分总结全文，再次说明对于动态规划进行优化的重要性，并分析优化动态规划的本质思想与一般方法。 正文 引言 在当今的信息学竞赛中，动态规划可以说是一种十分常用的算法。它以其高效性受到大家的青睐。然而，动态规划算法有时也会遇到时间复杂度过高的问题。因此，要想真正用好用活动态规划，对于它的优化方法也是一定要掌握的。 优化动态规划的方法有许多，例如四边形不等式、斜率优化等。但是这些方法只能对某些特定的动态规划算法进行优化，尚不具有普遍的意义。本文将就《鹰蛋》这道题目做较为深入的分析，并从中探讨优化动态规划的本质思想与一般方法。 问题 有一堆共M个鹰蛋，一位教授想研究这些鹰蛋的坚硬度E。他是通过不断从一幢N层的楼上向下扔鹰蛋来确定E的。当鹰蛋从第E层楼及以下楼层落下时是不会碎的，但从第（E+1）层楼及以上楼层向下落时会摔碎。如果鹰蛋未摔碎，还可以继续使用；但如果鹰蛋全碎了却仍未确定E，这显然是一个失败的实验。教授希望实验是成功的。 例如：若鹰蛋从第1层楼落下即摔碎，E=0；若鹰蛋从第N层楼落下仍未碎，E=N。 这里假设所有的鹰蛋都具有相同的坚硬度。给定鹰蛋个数M与楼层数N。要求最坏情况下确定E所需要的最少次数。 样例： M=1，N=10 ANS=10 样例解释：为了不使实验失败，只能将这个鹰蛋按照从一楼到十楼的顺序依次扔下。一旦在第（E+1）层楼摔碎，E便确定了。（假设在第（N+1）层摔鹰蛋会碎） 分析 算法一 图1乍一看这道题，算法并不十分明晰，因为这并不是简单的二分查找，还有对鹰蛋个数的限制。但由于这题是求最优值，我们便自然想到了动态规划。 图1 状态定义即为用i个蛋在j层楼上最坏情况下确定E所需要的最少次数，记为f(i,j)。 (j-w)层很显然，当层数为0时f(i,j)=0，即f(i,0)=0 (i=0); 当鹰蛋个数为1时，为了不使实验失败，只能从下往上依次扔这个鹰蛋以确定E，即 (j-w)层 j层 j层 假设我们在第w层扔下鹰蛋，无外乎有两种结果： (w-1)层①鹰蛋摔碎了，此时必有Ew,我们便只能用（i-1）个蛋在下面的（w-1)层确定E，并且要求最坏情况下次数最少，这是一个子问题，答案为f(i-1,w-1),总次数便为f(i-1,w-1)+1 (w-1)层 ②鹰蛋没摔碎，此时必有E=w .我们还能用这i个蛋在上面的（j-w)层确定E。注意，这里的实验与在第1~(j-w)层确定E所需次数是一样的，因为它们的实验方法与步骤都是相同的，只不过这(j-w)层在上面罢了。完全可以把它看成是对第1~(j-w)层进行的操作。因此答案为f(i,j-w),总次数便为f(i,j-w)+1。（如图1） 题目要求最坏情况下的最小值，所以这两种情况的答案须取较大值，且又要在所有决策中取最小值，所以有 f(i,j)=min{max{f(i-1,w-1),f(i,j-w)}+1|1=w=j} ① 很显然，所需鹰蛋个数必不会大于N，因此当MN时可令M=N，且并不影响结果。所以这个算法的时间复杂度是O(MN2)=O(N3),空间复杂度是O(N)（可用滚动数组优化）。 算法二 这个算法的时间复杂度太高，有没有可以优化的余地呢？答案是肯定的。首先，这题很类似于二分查找，即每次根据扔鹰蛋所得信息来决定下一步操作的区间，只不过对鹰蛋碎的次数有限制罢了。假设我们对于鹰蛋的个数不加限制，那么根据判定树的理论 有关判定树的理论详情请见参考文献[1]第292~293页。，叶子结点个数共有(n+1)个，（E的取值只可能是 0,1,2,…,n共（n+1）种情况），则树的高度至少为+1,即比较次数在最坏情况下需要次。而我们又知道，在n个排好序的数里进行二分查找最坏情况下需要比较次（在这个问题中，若未查找到可视为E=0）。这两点便决定了是下限而且是可以达到的下限。换句话说，对