ACM算法与程序设计贪心与动态规划专题教学PPT课件.ppt

求“最优解”最原始的方法为搜索枚举方案法（一般为回溯法）。一般用深度优先搜索或宽度优先搜索。 现今竞赛中用的比较普遍的动态规划，主要是利用最最优子问题的确定性，从后向前（即从小规模向大规模） 得到当前最优策略，从而避免了重复的搜索。 动态规划要满足最优子结构原则，贪心算法呢？可以认为贪心算法的正确性证 明是个难点。 NOI 中的“石子合并”一题： 在一个圆形操场的四周摆放 N 堆石子(N≤100)，现要将石子有次序地合并 成一堆。规定每次只能选相邻的两堆合并成新的一堆，并将新的一堆的石子数， 记为该次合并的得分。 选择一种合并石子的方案，使得做 N-1 次合并，得分的总和最小；选择一种合并石子的方案，使得做 N-1 次合并，得分的总和最大。 贪心算法的最小值为： (2+3)=5 (4+5)=9 (4+5)=9 (9+6)=15 (15+9)=24 5+9+9+15+24＝62 另一种方法的最小值为： (2+4)=6 (3+4)=7 (5+6)=11 (7+6)=13 (11+13)=24 6+7+11+13+24＝61 6 4 5 3 4 2  在一个m×n棋盘内（m，n均不超过100），每个格子内有一个正整数值（不超过100）表示占据该格子应支付的费用。一个国际象棋的武士从棋盘左下角格子（1，1）开始沿着向右或向上的方向向右上角格子（m，n）行进，要求找一条行进路径使武士支付的费用最小。 d(i，j) = w(i，j) + min(d(i+1，j)，d(i，j+1)) 2 8 2 1 2 2 3 1 8 5 4 9 2 1 5 7 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、根据计算最优值时得到的信息，构造一个最优解。 以上就是动态规划算法的基本步骤 动态规划的基本思想： ??? ?动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值的解。 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，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，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算了很多次。如果我们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，这样就可以避免大量的重复计算，节省时间。我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。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格式。 动态规划问题中的术语 最优化原理：无论过去的状态和决策如何，对前面的决策所形成的状态而言，余下的诸决策必须构成最优策略的性质。也可以通俗地理解为子问题的局部最优将导致整个问题的全局最优，即问题具有最优子结构的性质，也就是说一个问题的最优解只取决于其子问题的最优解，而非最优解对问题的求解没有影响。 无后效性原则：某阶段的状态一旦确定，则此后过程的演变不再受此前各状态及决策的影响。也就是说，“未来与过去无关”，当前的状态是此前历史的一个完整的总结，此前的历史只能通过当前的状态去影响过程未来的演变。 够采用动态规划方法求解的问题，必须满足最优化原理和无后效性原则 数字三角形 1、问题描述 上图给出了一个数字三角形。从三角形的顶部到底部有很多条不同的路径。对于每条路径，把路径上面的数加起来可以得到一个和，和最大的路径称为最佳路径。你的任务就是求出最佳路径上的数字之和。 注意：路径上的每一步只能从一个数走到下一层上和它最近的左边的数或者右边的数。 输入数据 输入的第一行是一个整数N (1 N = 100)，给出三角形的行数。下面的N 行给出数字三角形。数字三角形上的数的范围都在0 和100 之间。 输出要求 输出最大的和。 输入样例 5 7 3 8 8 1 0 2 7 4 4 4 5 2 6 5 输出