《动态规划算法》.ppt

Chapter 7;What is dynamic programming;算法总体思想;但是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. ;算法总体思想;Fibonacci sequence(序列);Fibonacci sequence分析;二项式系数的计算;What is dynamic programming什么是动态规划？;The longest common subsequence problem最长公共子序列问题;递推公式;递推公式;;Algorithm 7.1 LCS Input: Two strings A and B of length n and m, respectively, over an alphabet ? Output: The length of the longest common subsequence of A and B 1. for i?0 to n 2. L[i, 0]?0 3. end for 4. for j?0 to m 5. L[0, j]?0 6. end for ; 7. for i?1 to n 8. for j?1 to m 9. if ai=bj then L[i, j]?L[i-1, j-1]+1 10. else L[i, j]?max{L[i, j-1], L[i-1, j]} 11. end if 12. end for 13. end for 14. return L[n, m] ; 定理7.1 最长公共子序列问题的最优解能够在?(nm)时间和?(min{m, n}) 空间内得到. ？;A=“xyxxzxyzxy” B=“zxzyyzxxyxxz”;Algorithm 7.1pro LCS 1. for i?0 to n 2. L[i, 0]?0 3. end for 4. for j?0 to m 5. L[0, j]?0 6. end for 7. for i?1 to n 8. for j?1 to m 9. if ai=bj then L[i, j]?L[i-1, j-1]+1, b[i, j]?”\” ; 10. else 11. if L[i-1, j]?L[i, j-1] then 12. L[i, j]?L[i-1, j], b[i, j]?”?” 13. else 14. L[i, j]?L[i, j-1], b[i, j]?”?” 15. end if 16. end if 17. end for 18. end for 19. return L[n, m] and b[n, m];print-LCS(b, A, i, j) 1. if i=0 or j=0 then return 2. if b[i, j]= ”\” then 3. print-LCS(b, A, i-1, j-1) 4. print ai 5. else 6. if b[i, j]= ”?” then print-LCS(b, A, i-1, j) 7. else print-LCS(b, A, i, j-1) 8. end if;Date;算法的改进;算法的改进;Matrix chain multiplication矩阵链相乘;Matrix chain multiplication矩阵链相乘;假设我们有n+1维数r1, r2, ..., rn+1, 这里ri和ri+1分别是矩阵Mi的行数和列数, 1?i?n. 我们将用Mi, j记MiMi+1...Mj的乘积, 我们还假设链Mi,j的乘法的最小耗费用数量乘法的次数来度量, 记为C[i, j]. 对于给定的一对索引i和j, 1?ij?n, Mi,j可用如下方法计算: 设k是i+1和j之间的一个索引, 计算两个矩阵 Mi,k-1=MiMi+1…Mk-1和Mk,j=MkMk+1…Mj, 那么Mi,j=Mi,k-1Mk,j 显然, 用这种方法计算Mi,j的总耗费, 是计算