算法设计与分析13年CH3动规.ppt

1.7 对偶与范式 动态规划法 方法概述: 发展及研究内容 动态规划(dynamic programming)是运筹学的一个分支，20世纪50年代初美国数学家R.E.Bellman等人在研究多阶段决策过程(multistep decision process)的优化问题时，提出了著名的最优化原理(principle of optimality)，把多阶段过程转化为一系列单阶段问题，逐个求解，创立了解决这类过程优化问题的新方法——动态规划。 动态规划问世以来，在经济管理、生产调度、工程技术和最优控制等方面得到了广泛的应用。例如最短路线、资源分配、设备更新等问题，用动态规划比用其它方法求解更为方便。 方法概述: 基本思想 动态规划的思想实质是分治思想和解决冗余。 与分治法类似的是，将原问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。 与分治法不同的是，经分解的子问题往往不是互相独立的。若用分治法来解，有些共同部分（子问题或子子问题）被重复计算了很多次。 如果能够保存已解决的子问题的答案，在需要时再查找，这样就可以避免重复计算、节省时间。动态规划法用一个表来记录所有已解的子问题的答案。 这就是动态规划法的基本思路。具体的动态规划算法多种多样，但它们具有相同的填表方式。 方法概述: 求解步骤 1、找出最优解的性质，并刻画其结构特征； 2、递归地定义最优值（写出动态规划方程）； 3、以自底向上的方式计算出最优值； 4、根据计算最优值时记录的信息，构造最优解。 注： －步骤1-3是动态规划算法的基本步骤。在只需要求出最优值的情形，步骤4可以省略； －若需要求出问题的一个最优解，则必须执行步骤4，步骤3中记录的信息是构造最优解的基础 方法概述: 适用条件 动态规划法的有效性依赖于问题本身所具有的两个重要性质 最优子结构：当问题的最优解包含了其子问题的最优解时，称该问题具有最优子结构性质。 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，有些子问题被反复计算多次。动态规划算法正是利用了这种子问题的重叠性质，对每一个子问题只解一次，而后将其解保存在一个表格中，在以后尽可能多地利用这些子问题的解。 方法概述: 最优性原理及举例 Bellman给出这个原理作为动态规划的适用条件，后来Morin在1982年证明了这只是一个充分条件而非必要条件。Bellman的原定义如下： An optimal policy has the property that whatever the initial state and initial decision are, then remaining decisions must constitute an optimal policy with regard to the state resulting from first decision. 最优性原理又称为最优子结构性质： 如果有一决策序列包含有非最优的决策子序列，则该决策序列一定不是最优的。即一个最优策略的子策略总是最优的。 求两点间最短路径的算法： 例2：货郎担问题 矩阵链乘法 问题描述 加括号的方案数 动态规划法 矩阵链乘法: 问题描述 矩阵链乘法: s中存放m取得最优时k的值 矩阵链乘法: s中存放m取得最优时k的值 课堂练习：货物储运问题 货物储运问题 货物储运问题 最优子结构: 无后效性 最优子结构: 无后效性 重叠子问题 自顶向下递归求解最优解的值 备忘录 备忘录 自底向上的动规与备忘录区别 Floyd算法 Warshall 算法 Warshall 算法 0-1背包问题:问题描述及举例 问题描述 举例：w=(w1,w2,w3)=(2,3,4), v=(v1,v2,v3)=(1,2,5), n=3, c=6, 求Knap(1,3,6) 取x=(1,0,1)时， 0-1背包问题满足最优性原理 证明：设(y1,y2,…,yn)是Knap(1,n,c)的一个最优解，则 (y2,…,yn)是Knap(2,n,c-w1y1)子问题的一个最优解。 若不然，设(z2,…,zn)是Knap(2,n,c-w1y1)的最优解，因此有 0-1背包问题: 递归关系 考虑子问题： Knap(i, n, j) j≤c (假设c, wi取整数) 设其最优值为m(i, j), 即m(i, j)是背包容量为j, 可选物品为i,i+1,…,n的0-1背包问题的最优值。 0-1背包问题: 递归关系 递归式如下： 0-1背包问题: