第3章-动态规划设计.pptxVIP

动 态 规 划;本章要点: ;动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题。;适合于用动态规划法求解的问题，经分解得到的子问题往往不是互相独立的。不同子问题的数目常常只有多项式量级。在用分治法求解时，有些子问题被重复计算了许多次。;如果能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，就可以避免大量重复计算，从而得到多项式时间算法。;找出最优解的性质，并刻划其结构特征。 递归地定义最优值。 以自底向上的方式计算出最优值。 根据计算最优值时得到的信息，构造最优解。;给定n个矩阵 ，其中 与 是可乘的， 。考察这n个矩阵的连乘积 ;（1）单个矩阵是完全加括号的； （2）矩阵连乘积 是完全加括号的，则 可表示为2个完全加括号的矩阵连乘积 和 的乘积并加括号，即 ;例子：设有四个矩阵 ，它们的维数分别是： ;问题：给定n个矩阵｛A1,A2,…,An｝，其中Ai与Ai+1是可乘的，i=1，2…，n-1。如何确定计算矩阵连乘积的计算次序，使得依此次序计算矩阵连乘积需要的数乘次数最少。;方法二：动态规划;(1) 分析最优解的结构;设计算A[i:j]，1≤i≤j≤n，所需要的最少数乘次数m[i,j]，则原问题的最优值为m[1,n] 当i=j时，A[i:j]=Ai，因此，m[i,i]=0，i=1,2,…,n 当ij时， 可以递归地定义m[i,j]为： ;对于1≤i≤j≤n，不同的有序对(i,j)对应于不同的子问题。因此，不同子问题的个数最多只有 因此在递归计算时，许多子问题被重复计算多次。这是该问题可用动态规划算法求解的又一显著特征。;用动态规划算法解此问题，可依据其递归式以自底向上的方式进行计算。在计算过程中，保存已解决的子问题答案。每个子问题只计算一次，而在后面需要时只要简单查一下，从而避免大量的重复计算，最终得到多项式时间的算法。;A1;一、最优子结构;一、最优子结构 ( );同一个问题可以有多种方式刻划它的最优子结构，有些表示方法的求解速度更快（空间占用小，问题的维度低）。;二、重叠子问题;通常不同的子问题个数随问题的大小呈多项式增长。因此用动态规划算法只需要多项式时间，从而获得较高的解题效率。 ;三、动态规划算法的变形——备忘录方法;int LookupChain(int i，int j) { if (m[i][j] 0) return m[i][j]; if (i == j) return 0; int u = LookupChain(i，i) + LookupChain(i+1，j) + p[i-1]*p[i]*p[j]; s[i][j] = i; for (int k = i+1; k j; k++) { int t = LookupChain(i，k) + LookupChain(k+1，j) + p[i-1]*p[k]*p[j]; if (t u) { u = t; s[i][j] = k;} } m[i][j] = u; return u; };3.4 范例一：最长公共子序列;给定2个序列X={x1,x2,…,xm}和Y={y1,y2,…,yn}，找出X和Y的最长公共子序列。 ;设序列X={x1,x2,…,xm}和Y={y1,y2,…,yn}的最长公共子序列为Z={z1,z2,…,zk}，则 (1)若xm=yn，则zk=xm=yn，且Zk-1是Xm-1和Yn-1的最长公共子序列。 (2)若xm≠yn且zk≠xm，则Z是Xm-1和Y的最长公共子序列。 (3)若xm≠yn且zk≠yn，则Z是X和Yn-1的最长公共子序列。;;void LCSLength(int m，int n，char *x，char *y，int **c，int **b) { int i，j; for (i = 1; i = m; i++) c[i][0] = 0; for (i = 1; i = n; i++) c[0][i] = 0; for (i = 1; i = m; i++) for (j = 1; j = n; j++) { if (x[i]==y[j]) { c[i][j]=c[i-1][j-1]+1; b[i][j]=1; } else