算法7-动态规划法.pptVIP

第7章动态规划法; 学习要点：

理解动态规划算法的概念。

掌握动态规划算法的根本要素

〔1〕最优子结构性质

〔2〕重叠子问题性质

掌握设计动态规划算法的步骤。

理解动态规划算法与分治法、贪心法的异同

通过应用范例学习动态规划算法设计策略。

〔1〕多段图问题、、关键路径问题

〔2〕每对结点间的最短路径

〔3〕最长公共子序列

〔4〕0/1背包;章节内容

7.1一般方法和根本要素

7.2每对结点间的最短路径

7.4最长公共子序列

7.60/1背包;7.1一般方法和根本要素;动态规划算法与分治法类似，其根本思想也是将待求解问题分解成假设干个子问题;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屡次。;如果能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，就可以防止大量重复计算，从而得到多项式时间算法。;动态规划算法的根本要素;动态规划算法的根本要素;设计动态规划算法的步骤; 由动态规划法求解的两大要素：

利用最优子结构性质及所获得的递推关系式〔较小子问题最优解与较大子问题最优解之间存在的数值关系〕去求取最优解，可以使计算量较之穷举法急剧减少。

动态规划法的子问题往往是重叠的。如果采用与分治法类似的直接递归方法求解将十分费时。为了防止重复计算，动态规划算法一般采用自底向上方式进行计算，并保存已经求解的子问题的最优解值。;动态规划法与分治法;共同点：

都是求解最优化问题；都具有最优子结构性质。

不同点：

1、求解方式不同：

动态规划法：自底向上；

贪心法：自顶向下。以迭代的方式作出相继的贪心选择，每作一次贪心选择就将所求问题简化为一个规模更小的子问题。

2、对子问题的依赖不同：

动态规划法：依赖于各子问题的解。只有在解出相关子问题后,才能作出选择；应使各子问题最优，才能保证整体最优；

贪心法：不依赖于子问题的解。仅在当前状态下作出最好选择，即局部最优选择。 ;多段图问题;多段图的最优子结构证明;多段图问题的递推式〔向前递推〕;0;0;根???前面例7-1求最优解值cost(1,0)的过程中，产生的中间结果：

cost(5,11)=0,

cost(4,10)=5,cost(4,9)=2,cost(4,8)=4,

cost(3,7)=min{6+cost(4,10),5+cost(4,9)}=7,cost(3,6)=...=5,cost(3,5)=...=7,

cost(2,4)=min{8+cost(3,7),11+cost(3,6)}=15,cost(2,3)=18,cost(2,2)=...=9,cost(2,1)=...=7,

cost(1,0)=min{9+cost(2,1),7+cost(2,2),3+cost(2,3),2+cost(2,4)}=16;程序7-1：多段图的向前递推动态规划算法

FMultiGraph(intk,int*p) //共k个阶段，n个结点

{//带权有向图G〔多段图〕采用邻接表存储〔见程序6-8〕

float*cost=newfloat[n];//一维数组cost[j]保存结点j到汇点t的最短路径

int*d=newint[n];//一维数组d[j]保存cost[j]对应的最短路径上的下一个结点

cost[n-1]=0；d[n-1]=-1;//设置向前递推的初值(最大结点编号为n-1)

for(intj=n-2;j=0;j--)//按结点编号n-2,...,0的顺序计算cost[j]和d[j]

{ floatmin=INFTY;//min求得的最小值，即为当前结点j的cost[j]

for(ENodeT*r=a[j];r;r=r-nextArc)//用指针r遍历邻接表中a[j]的邻接结点

{ intv=r-adjVex; //当前阶段的结点j与下一阶段的结点v之间有边

if(r-w+cost[v]min) {min=r-w+cost[v];q=v;}

}

cost[j]=min;d[j]=q;//q是最短子路径上j的下一个结点编号

}

c=cost[0]; p[0]=0; //c保存的是最优解值,p[0]是源点0

for(j=1;j=k-1;j++)p[j]=d[p[j-1]];//数组p[]保存最优解，p[i]是最短路径上第i阶段结点

};程序7-1：多段图的向前递推动态规划算法

FMult