动态规划背包及最优二叉树.pptVIP

0/1背包 ;0-1背包问题;最优子结构 0/1背包的最优解具有最优子结构特性。 设 (x1, x2,… , xn)，xi?{0,1}是0/1背包的最优解，那么，(x1 ,x2,… , xn-1) 必然是0/1背包子问题的最优解：背包载重C?wnxn，共有n-1件物品，第i件物品的重量为 wi，效益Vi，wi0，vi0，1?in。;0-1背包问题; 假如有容量为9的背包，要装入4种体积为2，3，4和5的物品，价值分别为3，4，5和7。 要在不超出背包容量的前提下，用某种方法尽可能多地在背包内装入物品，使总价值最大， 首先，准备一个标号???0到4共5行和标号从0起到9共10列的空的矩形表,接着用值0初始化0列和0行的元素 按如下办法直接填行1的值：m[1，j]=3(第一种物品的价值)，当且仅当j≥2(第一种物品的体积)。 第二行中的每项m[2,j]有两种可能性，第一种可能性是置 m[2，j]=m[1,j]这相当于把第一种物品放入背包，２号物品放不下；第二种可能性是置m[2,j]=m[1,j-3]+4,它相当于加上第二种物品，使它或者仅包含第二种物品，或者同时包含第一种和第二种物品。当然，仅当j≥3时，才有可能加上第二种物品。继续这种方法，填入第3行和第4行，得到如图所示的表。 ;体积为2，3，4和5的物品，价值分别为3，4，5和7。;;Knapsack有两个较明显的缺点： 1.算法要求所给物品的重量w是整数 2.当背包容量c很大时，算法需要的计算时间比较多。;算法改进;一个例子;函数m(i,j)是由函数m(i+1,j)与函数m(i+1,j-wi)+vi作max运算得到的。因此，函数m(i,j)的全部跳跃点包含于函数m(i+1，j)的跳跃点集p[i+1]与函数m(i+1，j-wi)+vi的跳跃点集q[i+1]的并集中。易知，(s,t)?q[i+1]当且仅当wi?s?c且(s-wi,t-vi)?p[i+1]。因此，容易由p[i+1]确定跳跃点集q[i+1]如下q[i+1]=p[i+1]?(wi,vi)={(j+wi,m(i,j)+vi)|(j,m(i,j))?p[i+1]} 另一方面，设(a，b)和(c，d)是p[i+1]?q[i+1]中的2个跳跃点，则当c?a且db时，(c，d)受控于(a，b)，从而(c，d)不是p[i]中的跳跃点。除受控跳跃点外，p[i+1]?q[i+1]中的其它跳跃点均为p[i]中的跳跃点。 由此可见，在递归地由表p[i+1]计算表p[i]时，可先由p[i+1]计算出q[i+1]，然后合并表p[i+1]和表q[i+1]，并清除其中的受控跳跃点得到表p[i]。;一个例子;上述算法的主要计算量在于计算跳跃点集p[i](1≤i≤n)。由于q[i+1]=p[i+1]?(wi，vi)，故计算q[i+1]需要O(|p[i+1]|)计算时间。合并p[i+1]和q[i+1]并清除受控跳跃点也需要O(|p[i+1]|)计算时间。从跳跃点集p[i]的定义可以看出，p[i]中的跳跃点相应于xi,…,xn的0/1赋值。因此，p[i]中跳跃点个数不超过2n-i+1。由此可见，算法计算跳跃点集p[i]所花费的计算时间为 从而，改进后算法的计算时间复杂性为O(2n)。当所给物品的重量wi(1≤i≤n)是整数时，|p[i]|≤c+1，(1≤i≤n)。在这种情况下，改进后算法的计算时间复杂性为O(min{nc,2n})。;最优二叉搜索树 ;;;二叉搜索树的基本操作;;;;设有元素集合S={x1,x2,…,xn}，其中，x1x2…xn。表示有序集S的二叉搜索树利用二叉树的结点来存储有序集中的元素。 二叉搜索树的叶子结点是形如（ xi,xi+1 ）的开区间。 在表示S的二叉搜索树中搜索一个元素x，返回的结果有两种情形： （1）在二叉搜索树的内结点中找到x=xi （2）在二叉搜索树的叶子结点中确定x属于（ xi,xi+1 ）;最优二叉搜索树;p(i) 是在集合中成功查找xi 的概率，1?i? n，q(i)是待查元素x值满足 xixxi+1的概率,0?i? n（假定x0= ??, xn+1=+?）。 最优二叉搜索树问题是指设法构造一棵具有最小平均搜索时间的二叉搜索树。 ;设 c(0,n) 是由元素值集合{a1,…,an}所构造的最优二叉搜索树的代价，则;一般地，c(i,j) ,i?j 是元素值集合{ai+1,…,aj}所构造的最优二叉搜索树的代价，设r(i,j)=k为该树的根，要求结点k满足;例 设n＝4且（a1,a2,a3,a4）=(Mon,Thu,Tue,Wed)。又设p(1:4)=(3,3,1,1)和q(0:4)＝(2,3,1,1,1)。这里p和q都已乘了16。;;构造最优二叉搜索