动态规划算法和贪心算法比较和分析 .pdfVIP

动态规划算法和贪心算法的比较与分析

1、最优化原理

根据一类多阶段问题的特点,把多阶段决策问题变换为一系列互相联系的单

阶段问题,然后逐个加以解决。解决这类问题的最优化原理:一个过程的最优决策

具有这样的性质,即无论其初始状态和初始决策如何,其今后诸策略对以第一个

决策所形成的状态作为初始状态的过程而言,必须构成最优策略。简而言之,一个

最优策略的子策略,对于它的初态和终态而言也必是最优的。

2、动态规划

2.1动态规划算法

动态规划是运筹学的一个分支，与其说它是一种算法，不如说它是一种思维

方法更贴切。因为动态规划没有固定的框架，即便是应用到同一道题上，也可以

建立多种形式的求解算法。许多隐式图上的算法，例如求单源最短路径的

Dijkstra算法、广度优先搜索算法，都渗透着动态规划的思想。还有许多数学

问题，表面上看起来与动态规划风马牛不相及，但是其求解思想与动态规划是完

全一致的。因此，动态规划不像深度或广度优先那样可以提供一套模式，需要的

时候，取来就可以使用。它必须对具体问题进行具体分析、处理，需要丰富的想

象力去建立模型，需要创造性的思想去求解。

动态规划算法的基本思想是将待求解问题分解成若干子问题，先求解子问题，

然后从这些子问题的解得到原问题的解。值得注意的是，用动态规划法求解的问

题，经分解后得到的子问题往往不是互相独立的。

最优化原理是动态规划的基础。任何一个问题，如果失去了这个最优化原理

的支持，就不可能用动态规划方法计算。能采用动态规划求解的问题都要满足两

个条件:①问题中的状态必须满足最优化原理;②问题中的状态必须满足无后效

性。

所谓无后效性是指下一时刻的状态只与当前状态有关，而和当前状态之前的

状态无关，当前的状态是对以往决策的总结。

2.2动态规划算法的基本要素

(1)最优子结构。设计动态规划算法的第一步通常是刻画最优解的结构。当

问题的最优解包含了其子问题的最优解时，称该问题具有最优子结构性质。问题

的最优子结构性质提供了该问题可用动态规划算法求解的重要线索。在动态规划

算法中，利用问题的最优子结构性质，以自底向上的方式递归地从子问题的最优

解逐步构造出整个问题的最优解。

(2)重叠子问题。在用递归方法自顶向下求解问题时，每次产生的子问题并

不总是新问题，有些子问题被反复计算多次。动态规划算法正是利用了这种子问

题的重叠性质，对每个子问题只解一次，而后将其解保存在一个表格中，当再次

需要解此子问题时只是简单地用常数时间查看一下结果。

2.3动态规划适于解决的问题

适用动态规划的问题必须满足最优化原理和无后效性。

(1)状态必须满足最优化原理。作为整个过程的最优策略具有如下性质:无论

过去的状态和决策如何，对前面的决策所形成的当前状态而言，余下的诸决策必

须构成最优策略。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，非最优解对问题的求解没有影响。

(2)状态必须满足无后效性。所谓无后效性是指:“过去的决策只能通过当前

状态影响未来的发展，当前的状态是对以往决策的总结”。它说明动态规划适于

解决当前决策和过去状态无关的问题。状态出现在策略的任何一个位置，它的地

位都是相同的，都可以实施同样的决策，这就是无后效性的内涵。

2.4问题求解模式

动态规划所处理的问题是一个多阶段决策问题，一般由初始状态开始，通过

对中间阶段决策的选择，达到结束状态。这些决策形成了一个决策序列，同时确

定了完成整个过程的一条活动路线(通常是求最优的活动路线)。如下所示:

初始状态→决策1→决策2→决策n→结束状态

动态规划的设计有一定的模式，一般要经历以下4个步骤:

(1)划分阶段。按照问题的时间或空间特征，把问题分为若干个阶段。在划

分阶段时，注意划分后的阶段一定要是有序的或者是可排序的，否则问题就无法

求解。

(2)确定状态和状态变量。将问题发展到各个阶段时所处于的各种客观情况

用不同的状态表示出来。当然，状态的选择要满足无后效性。

(3)确定决策并写出状态转移方程。因为决策和状态转移有着天然的联系，

状态转移就是根据上一阶段的状态和决策来导出本阶段的状态。所以如果确定了

决策，状态转移方程也就可写出。但事实上常常是反过来做，根据相邻两段各状

态之间的关系来确定决策。

(4)寻找边界条件。给出的状态转移方程是一个递推式，需要一