动态规划的具体应用例题.docVIP

动态规划的具体应用例题 3.1 最长不降子序列（1）问题描述设有由n个不相同的整数组成的数列，记为:a(1)、a(2)、……、a(n)且a(i)<>a(j)? (i<>j)例如3，18，7，14，10，12，23，41，16，24。若存在i1<i2<i3< … < ie 且有a(i1)<a(i2)< … <a(ie)则称为长度为e的不下降序列。如上例中3，18，23，24就是一个长度为4的不下降序列，同时也有3，7，10，12，16，24长度为6的不下降序列。程序要求，当原数列给出之后，求出最长的不下降序列。（2）算法分析根据动态规划的原理，由后往前进行搜索。1· 对a(n)来说，由于它是最后一个数，所以当从a(n)开始查找时，只存在长度为1的不下降序列；2· 若从a(n-1)开始查找，则存在下面的两种可能性：①若a(n-1)<a(n)则存在长度为2的不下降序列a(n-1)，a(n)。②若a(n-1)>a(n)则存在长度为1的不下降序列a(n-1)或a(n)。3· 一般若从a(i)开始，此时最长不下降序列应该按下列方法求出:在a(i+1),a(i+2),…,a(n)中，找出一个比a(i)大的且最长的不下降序列，作为它的后继。 4.用数组b(i),c(i)分别记录点i到n的最长的不降子序列的长度和点i后继接点的编号(3) 程序如下:（逆推法） program li1;const maxn=100;var a,b,c:array[1..maxn] of integer;??? fname:string;??? f:text;??? n,i,j,max,p:integer;begin?readln(fname);?assign(f,fname);?reset(f);?readln(f,n);+?for i:=1 to n do? begin? read(f,a[i]);? b[n]:=1;? c[n]:=0;? end;?for i:= n-1 downto 1 do? begin?? max:=0;p:=0;?? for j:=i+1 to n do??? if (a[i]<a[j]) and (b[j]>max) then? begin max:=b[j];p:=j end;?? if p<>0 then begin b[i]:=b[p]+1;c[i]:=p end? end;?max:=0;p:=0;?for i:=1 to n do? if b[i]>max then begin max:=b[i];p:=i end;?writeln('maxlong=',max);?write('result is:');?while p<>0 do ? begin write(a[p]:5);p:=c[p] end;end.3.2 背包问题背包问题有三种 1.部分背包问题　 一个旅行者有一个最多能用m公斤的背包，现在有n种物品，它们的总重量分别是W1，W2，...,Wn,它们的总价值分别为C1,C2,...,Cn.求旅行者能获得最大总价值。 解决问题的方法是贪心算法:将C1/W1,C2/W2,...Cn/Wn,从大到小排序,不停地选择价值与重量比最大的放人背包直到放满为止. 2.0/1背包 一个旅行者有一个最多能用m公斤的背包，现在有n件物品，它们的重量分别是W1，W2，...,Wn,它们的价值分别为C1,C2,...,Cn.若每种物品只有一件求旅行者能获得最大总价值。 ?<1>分析说明: 显然这个题可用深度优先方法对每件物品进行枚举(选或不选用0,1控制). 程序简单,但是当n的值很大的时候不能满足时间要求，时间复杂度为O（2n）。按递归的思想我们可以把问题分解为子问题,使用递归函数 设 f(i，x)表示前i件物品，总重量不超过x的最优价值 则 f（i，x）=max(f(i－1，x-W[i])+C[i]，f（i－1，x）） f（n，m）即为最优解，边界条件为f（0，x）＝0?，f(i,0)=0; 动态规划方法(顺推法)程序如下: 程序如下： program knapsack02;?const maxm=200;maxn=30;?type ar=array[1..maxn] of integer;?var m,n,j,i:integer;?c,w:ar;?f:array[0..maxn,0..maxm] of integer;?function max(x,y:integer):integer;?begin? if x>y then max:=x else max:=y;?end;?begin?