算法设计与分析 第2版 第8章-动态规划.ppt

* * * * * 8.12.2 滚动数组求解0/1背包问题 如果仅仅求装入背包的最大价值（不需求解向量x）。 由于第i个阶段（考虑物品i）的解dp[i][*]只与第i-1个阶段（考虑物品i-1）的解dp[i-1][*]有关，这种情况下保存更前面的数据已经毫无意义。 所以可以利用滚动数组进行优化，将dp数组由dp[MAXN][MAXW]改为dp[2][MAXW]。 求0/1背包问题的状态转移方程如下： dp[0][0]=0，dp[1][0]=0 dp[0][r]=0 dp[c][r]=dp[1-c][r] 当rw[i]时，物品i放不下 dp[c][r]= MAX{dp[1-c][r]，dp[1-c][r-w[i]]+v[i]} 否则在不放入和放入物品i 之间选最优解 void Knap() //动态规划法求0/1背包问题 { int i,r; int c=0; for (i=0;i=1;i++) //置边界条件dp[0..1][0]=0 dp[i][0]=0; for (r=0;r=W;r++) //置边界条件dp[0][r]=0 dp[0][r]=0; for (i=1;i=n;i++) { c=1-c; for (r=1;r=W;r++) { if (rw[i]) dp[c][r]=dp[1-c][r]; else dp[c][r]=max(dp[1-c][r],dp[1-c][r-w[i]]+v[i]); } } } i i-1 【例8.4】一个楼梯有n个台阶，上楼可以一步上1个台阶，也可以一步上2个台阶，求上楼梯共有多少种不同的走法。 解：设f(n)表示上n个台阶的楼梯的走法数。 显然，f(1)=1，f(2)=2（一种走法是一步上1个台阶、走2步，另外一种走法是一步上2个台阶）。 对于大于2的n个台阶的楼梯：一种走法是第一步上1个台阶，剩余n-1个台阶的走法数是f(n-1)；另外一种走法是第一步上2个台阶，剩余n-2个台阶的走法数是f(n-2)。 所以有：f(n)=f(n-1)+f(n-2)。 对应的状态转移方程如下： f(1)=1 f(2)=2 f(n)=f(n-1)+f(n-2) n2 f(0)=1 f(1)=2 f(n)=f(n-1)+f(n-2) n1 用一维动态规划数组dp[n]存放f(n+1)。对应的求解算法如下： f(0)=1 f(1)=2 f(n)=f(n-1)+f(n-2) n1 int solve() { dp[0]=1; dp[1]=2; for (int i=2;in;i++) dp[i]=dp[i-1]+dp[i-2]; return dp[n-1]; } 但dp[i]只与dp[i-1]和dp[i-2]两个子问题解相关，共3个状态，所以采用滚动数组，将dp数组设置为dp[3]，对应的完整程序如下： //问题表示 int n; //求解结果表示 int dp[3]; int solve1() { dp[0]=1; dp[1]=2; for (int i=2; in; i++) dp[i%3]=dp[(i-1)%3]+dp[(i-2)%3]; return dp[(n-1)%3]; } 其他二维数组及高维数组也可以做这样的改进!!! * * * * * * * * * * * * * * * * * * * * * * 当dp数组计算出来后，推导出解向量x的过程十分简单，从dp[n][W]开始： （1）若dp[i][r]≠dp[i-1][r]，若dp[i][r]=dp[i-1][r-w[i]]+v[i]，置x[i]=1，累计总价值maxv+=v[i]，递减剩余重量r=r-w[i]。 （2）若dp[i][r]=dp[i-1][r]，表示物品i放不下或者不放入物品i，置x[i]=0。 dp[i][r]=dp[i-1][r] 当rw[i]时，物品i放不下 dp[i][r]= MAX{dp[i-1][r]，dp[i-1][r-w[i]]+v[i]} 否则在不放入和放入物品i之间选最优解 例如，某0/1背包问题为，n=5，w={2，2，6，5，4}，v={6，3，5，4，6}（下标从1开始），W=10。 求出dp： 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 6 6 6 6 6 2 0 6 6 6 6 6 3 0 6 9 9 9 9 4 0 6 9 9 9 9 5 0 6 6 9 9 12 6 0 6 9 9 10 12 7