动态规划设计的模型构建.pptVIP

* * * * * * * * * * * * * * 输入一个长度为ｎ的整数序列（A1,A2,……,An），从中找出一段长度不超过m的连续的子序列，使得这个序列的和最大。 例如：序列 1， -3， 5， 1， -2， 3 当M=2或3时,S=5+1=6 当M=4时,S=5+1-2+3=7 数据范围: 50%的数据N,M=1000 100%的数据N,M=20000 问题15：最大子序和 一个简化的问题 [序列的最大连续和] 输入一个长度为ｎ的整数序列（A1,A2,……,An），从中找出一段连续的子序列，使得这个序列的和最大。 和原问题相比没有M这个序列长度的限制！ 设 F(i)表示以第i个数结尾的最大连续和 以第i个数结尾的最大连续和序列，可能存在两种选择： 情形一：只包含Ai 情形二：包含Ai和以Ai-1结尾的最大连续和序列 状态转移方程如下： F(i)=max{Ai , F(i-1)+Ai} 边界：F(1)=A1，Ans=max{F(i)|1=i=n} 该算法的时间复杂度为O(n) 分析 算法一——枚举 设 F(i)为以Ai结尾长度不超过M的最大子序和 对于每个F(i)，从1到m枚举k的值，完成Aj的累加和取最大值。 该算法的时间复杂度为O(n3) 简化方程 用一个二叉堆来维护S(i-k)，每次求F(i)之前的操作如下： 算法二:堆优化 求F(i-1)时，求min{S(i-m-1), ……,S(i-2)} 求F(i)时， 求min{S(i-m),……,S(i-1)} ☆在堆中删除元素S(i-m-1)，插入元素S(i-1).复杂度O(2log2n) ☆从堆中取出当前最小值.复杂度O(1) 所以计算的总复杂度为O(nlog2n) 算法三：队列优化 在算法二中，考虑用队列来维护决策值S(i-k)。每次只需要在队首删掉S(i-m-1)，在队尾添加S(i-1) 。但是取最小值操作还是需要O(n)时间复杂度的扫描。 考察在添加S(i-1)的时候，设现在队尾的元素是S(k)，由于ki-1，所以S(k)必然比S(i-1)先出队。若此时S(i-1)=S(k)，则S(k)这个决策永远不会在以后用到，可以将S(k)从队尾删除掉（此时队列的尾部形成了一个类似栈的结构） 队列优化 同理，若队列中两个元素S(i)和S(j)，若ij且S(i)=S(j)，则我们可以删掉S(i)（因为S(i)永远不会被用到）。此时的队列中的元素构成了一个单调递增的序列，即： S1S2S3……Sk 算法三 我们来整理在求F(i)的时候，用队列维护S(i-k)所需要的操作： ☆若当前队首元素S(x)，有xi-m，则S(x)出队；直到队首元素S(x)有x=i-m为止。 ☆若当前队尾元素S(k)=S(i-1)，则S(k)出队；直到S(k)S(i-1)为止。 ☆在队尾插入S(i-1) ☆取出队列中的最小值，即队首元素。 算法三 由于对于求每个F(i)的时候，进队和出队的元素不止一个。 但是我们可以通过分摊分析得知，每一个元素S(i)只进队一次、出队一次，所以队列维护的时间复杂度是O(n)。而每次求F(i)的时候取最小值操作的复杂度是O(1)，所以这一步的总复杂度也是O(n)。 综上所述，该算法的总复杂度是O(n) 问题16：理想收入问题 理想收入是指在股票交易中，以1元为本金可能获得的最高收入，并且在理想收入中允许有非整数股票买卖。 已知股票在第i天每股价格是V[i]元，1≤i≤M，求M天后的理想收入。 方法一 设F[i]表示在第i天收盘时能达到的最高收入，则有F[i]的递推关系式： 公式含义：在第i天收盘时能达到的最高的收入，是将第j天收盘后的收入，全部用于买入第k天的股票，再在第i天将所持的股票全部卖出所得的收入。 时间复杂度是O(M3)。 方法二 设P[i]表示前i天能获得的最多股票数，则可列出状态转移方程： 设Q[i]表示前i天能达到的最大收入，则可列出状态转移方程： 时间复杂度是O(M2)。 方法三 分析：上述公式的含义是当0=ji 时,求Q[i-1]和Q[j]*v[i]/v[j]的最大值 对于0=ji，要求Q[i],实际上Q[1]…Q[i-1]都已经求出，因此我们只要搞一个变量保存Q[j]/V[j] 的最大值即可，记为MaxQ. 这样，公式可以写成 对每次求出的Q[i],都更新MaxQ,时间复杂度为O(M) 问题17：花店橱窗布置 你有F束花，同时，你至少有同样数量的花瓶，被按顺序摆成一行。 花瓶的位置是固定的，