《动态规划理论部分》课件.pptVIP

*******************动态规划理论部分什么是动态规划拆解问题将复杂问题分解为多个子问题，通过解决子问题来解决整个问题。存储结果避免重复计算，将子问题的解保存起来，供后续使用。最优选择通过对子问题的解进行比较，选择最优的解，最终得到问题的最优解。动态规划的基本思路1分解问题将复杂问题分解成子问题，每个子问题都可以独立求解。2建立递推关系找到子问题之间的递推关系，利用子问题的解来求解原问题。3存储子问题解为了避免重复计算，存储子问题解，以便重复使用。动态规划技术的特点分解问题将复杂问题分解成子问题，并利用子问题的解来解决原问题。最优子结构原问题的最优解包含子问题的最优解。重叠子问题子问题会被重复计算多次，需要记录子问题的解以避免重复计算。动态规划的应用场景路径规划：最短路径、最优路径背包问题：最优资源分配游戏策略：最佳游戏决策动态规划解决问题的一般步骤1定义状态明确问题的状态2确定状态转移方程找到状态之间的关系3初始化边界条件设置初始状态4自底向上递推根据状态转移方程计算5输出结果得到最终解案例分析1：斐波那契数列斐波那契数列是一个经典的动态规划问题，其定义为：F(0)=0，F(1)=1，F(n)=F(n-1)+F(n-2)，其中n=2。通过动态规划，我们可以有效地计算出任意位置的斐波那契数，而无需重复计算。例如，要计算F(5)，我们可以先计算出F(3)和F(4)，然后将它们加起来即可。动态规划基本原理——最优子结构最优子结构动态规划问题的最优解，可以由其子问题的最优解得到。子问题将原问题分解成更小的子问题，这些子问题都包含了原问题的信息，并可以独立解决。动态规划基本原理——重复子问题1重复计算在求解一个问题时，子问题可能被多次重复计算。2效率低下重复计算会导致算法效率低下，尤其是在规模较大的问题中。3动态规划的解决动态规划算法通过存储已计算过的子问题的解来避免重复计算，提高效率。动态规划问题的表达形式状态表示使用一个或多个变量来描述问题的状态，每个状态对应一个子问题。状态转移方程用一个公式来描述不同状态之间的关系，即如何从一个状态推导出另一个状态。边界条件定义最小子问题的初始状态和值，作为递归的起点。动态规划的状态转移方程核心表达式状态转移方程是动态规划算法的核心，它描述了问题状态之间的递推关系。计算步骤通过状态转移方程，我们可以逐步计算出每个状态的最优解，最终得到问题的全局最优解。算法实现状态转移方程可以转化为代码，从而实现动态规划算法的自动化求解。动态规划的解决方法自上而下的动态规划自上而下的动态规划，也称为递归法，是一种直接使用递归的方式来求解问题。自下而上的动态规划自下而上的动态规划，也称为迭代法，是一种利用已计算的子问题结果，逐步求解最终结果的方法。自上而下的动态规划1递归从问题本身出发，递归地分解子问题，直到找到最小子问题。2记忆化将已解决的子问题结果缓存起来，避免重复计算。3自顶向下从大问题到小问题，逐步解决。自上而下的动态规划是一种基于递归和记忆化的方法，从问题的最高层级开始，递归地分解子问题，并记忆化已解决的子问题结果，以避免重复计算。这种方法从大问题到小问题逐步解决，适用于解决规模较大、子问题之间存在依赖关系的动态规划问题。自下而上的动态规划从最小的子问题开始计算并存储最小的子问题的解。逐步递推利用已计算的子问题解，逐步推导出更大的子问题的解。最终得到问题的解通过递推过程，最终获得整个问题的最优解。动态规划的时间复杂度分析N子问题动态规划算法通常需要计算所有可能的子问题。M状态每个子问题需要一个状态来存储其解。T转移计算每个子问题的解需要的时间，通常为常数时间。动态规划算法的时间复杂度通常为O(N*M*T)。动态规划问题分类子集覆盖型问题例如：背包问题、集合划分问题。序列型问题例如：最长公共子序列问题、最长递增子序列问题。图论型问题例如：最短路径问题、最小生成树问题。区间型问题例如：活动安排问题、矩阵链乘问题。案例分析2：最长公共子序列最长公共子序列(LongestCommonSubsequence,LCS)问题是动态规划的经典应用之一。它旨在找到两个序列的最长公共子序列，子序列不要求连续，但必须保持原序列中元素的相对顺序。例如，序列ABCBDAB和BDCABA的最长公共子序列为BCBA，长度为4。动态规划问题分类——子集覆盖型问题定义子集覆盖问题要求找到一个最小子集