【算法设计】动态规划

•动态规划算法的设计步骤

–分析优化解的结构

–递归地定义最优解的代价

–自底向上地计算优化解的代价保存之，并获取构造最优解的信息

–根据构造最优解的信息构造优化解

•使用Dynamic Programming的条件

– Optimal substructure （优化子结构）

•当一个问题的优化解包含了子问题的优化解时，我们说这个问题具有优化子结构。

•缩小子问题集合，只需那些优化问题中包含的子问题，减低实现复杂性

•优化子结构使得我们能自下而上地完成求解过程

– Subteties （重叠子问题）

•在问题的求解过程中，很多子问题的解将被多次使用

最长公共子序列（Longest Common Susequence）

公共子序列

–Z是序列X与Y的公共子序列，如果Z是X的子序也是Y的子序列。

最长公共子序列（LCS）问题

输入：X = (x1,x2,...,xn)，Y = (y1,y2,...ym)

输出：Z = X与Y的最长公共子序列

X和Y的LCS的优化解结构为

子问题重叠性

递归方程

•计算LCS长度的算法

– 数据结构

 C[0:m,0:n]:C[i,j]是Xi与Yj的LCS的长度

 B[1:m,1:n]:B[i,j]是指针，指向计算C[i,j]时所选择的子问题的优化解所对应的C表的表项 

打印最长子序列

•基本思想

– 从 B[m, n] 开始按指针搜索

– 若 B[ i , j]= “ ↖ ” ， 则 x i = y j 是 LCS 的一个元素

– 如此找到的 “ LCS ” 是 X 与 Y 的 LCS 的 Inverse 

Print-LCS(B, X,i, j)

IF i=0 or  j=0  THEN Return;

IF B[i, j]=“↖” 

THEN  Print-LCS(B, X, i-1, j-1); Print xi;

ELSE   If   B[i, j]=“↑” 

             THEN   Print-LCS(B, X, i-1, j);

             ELSE   Print-LCS(B, X, i, j-1).

矩阵链乘法

问题描述

•输入：<A1, A2, ..., An>,  Ai是矩阵

•输出：计算A1´A2´...´An的最小代价方法

问题特征

–矩阵乘法满足结合率。

–计算一个矩阵链的乘法可有多种方法:

–不同计算顺序有不同的代价

矩阵链乘法优化问题的解空间

–设p(n)=计算n个矩阵乘积的方法数

–p(n)的递归方程

优化解的结构

–若计算A1~n的优化顺序在k处断开矩阵链, 即A1~n=A1~kXAk+1~n，则在A1~n的优化顺序中，对应于子问题A1~k的解必须是A1-k的优化解，对应于子问题Ak+1~n的解必须是Ak+1~n的优化解。

考虑到所有的k，优化解的代价方程为

m[i, j] =计算Ai ~j的最小乘法数

子问题重叠性

算法伪代码：

算法复杂性分析

•时间复杂性

– 计算代价的时间

• (l, i , k) 三层循环 , 每层至多 n-1 步

• O(n 3 )

– 构造最优解的时间 : O(n)

– 总时间复杂性为： O(n 3 )

•空降复杂性

– 使用数组 m 和 S

– 需要空间 O(n 2 )