《算法设计与分析》-算法策略间的比较-教学课件（非AI生成）.pptx

算法设计与分析;4.5动态规划;动态规划(DynamicProgramming)

数塔问题;【例】n个矩阵连乘的问题;动态规划(DynamicProgramming)

;动态规划(DynamicProgramming)

;【例】求两个字符序列的最长公共字符子序列。;【例】求两个字符序列的最长公共字符子序列。;【例】求两个字符序列的最长公共字符子序列。;【例】求两个字符序列的最长公共字符子序列。;【例】求两个字符序列的最长公共字符子序列。;【例】求两个字符序列的最长公共字符子序列。;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;【例】最长单调递增子序列;总结;

;

算法策略和算法是有区别的，它们是算法设计中的两个方面，算法策略是面向问题的，算法是面向实现的；但二者又是不可分的，首先是通过算法策略才能找出解决问题的算法，其次对于不同算法求解的问题，其算法策略是不同的。

这里共介绍了六种算法策略，它们互相有着一定的差别，适应的问题也有所差异。;4.6.1不同算法策略特点小结;4.6.1不同算法策略特点小结;“递归法”

和递推法类似，递归法是利用大问题与其子问题间的递归关系来解决问题的。能采用递归描述的算法通常有这样的特征：为求解规模为N的问题，设法将它分解成规模较小的问题，然后从这些小问题的解方便地构造出大问题的解，并且这些规模较小的问题也能采用同样的分解和综合方法，分解成规模更小的问题，并从这些更小问题的解构造出规模较大问题的解。特别地，当规模N=1时，能直接得解。;“枚举法”

枚举法既是一个策略，也是一个算法，也是一个分析问题的手段。枚举法的求解思路很简单,就是对所有可能的解逐一尝试，从而找出问题的真正解。当然这就要求所解的问题可能的解是有限的、固定的，不会产生组合爆炸、容易枚举的。多用于决策类问题。这类问题都不易进行问题的分解，只能整体来求解。;“分治法”

求解的则是较复杂的问题，这类问题是可以被分解成独立的子问题来解决的，将两个或两个以上的独立子问题的解“合成”，就得到较大的子问题的解，最后合成为总问题的解。;“动态规划法”

动态规划法与贪婪法类似，是通过多阶段决策过程来解决问题的。但每个阶段决策的结果是一个决策结果序列，这个结果序列中最后采用哪一个结果取决于以后每个阶段决策，因此称为“动态”规划法。当然每一次的决策结果序列都必须进行存储。因此，可以说“动态规划是高效率、高消费的算法”。;对问题进行分解的算法策略：“分治法“和动态规划法

多阶段过程：贪婪法、递推法、递归法和动态规划法

全面逐一尝试、比较：“枚举法“和递归法

算法策略的中心思想;1.对问题进行分解的算法策略：“分治法”和动态规划法

共同点：“分治法”和“动态规划法”都是递归思想的应用之一，是找出大问题与小的子问题之间的关系，直到小的子问题很容易解决，再由小的子问题的解导出大问题的解。;1.对问题进行分解的算法策略：“分治法”和动态规划法

分治法：将一个规模为ｎ的问题分解为ｋ个规模较小的问题，这些子问题互相独立且与原问题相同（所以可以递归）。递归地解这些子问题，然后将各个子问题的解合并得到原问题的解。

动态规划法和分治法相似的地方是它也是将待求解问题分成若干子问题，然后从这些子问题的解得到原问题的解。但与分治法不同的是，适合动态规划法解的题，经分解得到的子问题往往不是相互独立的。

动态规划的实质是分治思想和解决冗余。;2．多阶段过程：“贪婪法”、“递推法”、“递归法”和“动态规划法”

多阶段过程就是按一定顺序(从前向后或从后向前等)一定的策略，逐步解决问题的方法。

“贪婪法”依赖于当前已经做出的所有选择，每一步根据策略得到一个结果传递到下一步，一步一步地作出贪心选择。

“动态规划法”则根据一定的决策，每一步决策出的不是一个结果，而只是使问题的规模不断的缩小，如果决策比较简单，是一般的算法运算，则可找到不同规模问题间的关系，使算法演变