动态规划方法手工求解生产存储问题、动态规划方法编程求解旅行商问题

最新推荐文章于 2023-09-27 16:51:18 发布

Bug_machine

最新推荐文章于 2023-09-27 16:51:18 发布

阅读量1k

点赞数 2

分类专栏：算法文章标签：动态规划 c++ 算法

本文链接：https://blog.csdn.net/Mestephen/article/details/124590360

版权

算法专栏收录该内容

1 篇文章 0 订阅

订阅专栏

Assignment 1

1. 用动态规划方法手工求解下面的问题

在这里插入图片描述

解：该问题是一个多阶段决策过程最优化问题，共有 k 个阶段，本问题中 k = 1，2，3，4

状态变量: 每个月生产产品数量 x_k , 总成本y，生产成本 S₁，存储费用S₂，产品需求量d =[ 2，3，2，4 ]

按照四个时期将问题划分成四个阶段，可得生产成本y₁的表达式为：
$S_1(x)=\left\{ \begin{aligned} & 0 &\quad when\quad x_k&=0\\ & 3+x_k & when\quad x_k&=1,2,3,4,5,6\\ & \infty & when\quad x_k&>6 \end{aligned} \right.$
第k阶段库存量为v_k时，存储费用y₂为
$\begin{aligned} S_2(v_k) = 0.5*v_k \end{aligned}$
故第k时期的总成本为
$\begin{aligned} y = S_1(x_k)+S_2(v_k) \end{aligned}$
有状态转移方程
$v_k = v_{k-1}+x_k-d_k ,\quad且有\quad v_{k-1}>=0,\quad即\quad x_k\leq v_k+d_k$

$y_k(v_k) = \min\limits_{0<x_k<\sigma_k}[S_1(x_{k})+S_2(v_{k})+y_{k-1}(v_k+d_k-x_k)], \quad k=2,3,4$

$\sigma_k =\min(v_k+d_k,6)$

**手工求解：**初始边界条件
$y_1(v_1) = \min\limits_{x_1 = \min(v_1+2,6)}[S_1(x_1)+S_2(v_1)]$
· 当k=1时，对v₁在0至min(9,6-2) =4之间的值分别计算

v₁=0时， x₁=2 y₁（0） = 3+2+0.5*0 = 5

v₁=1时， x₁=3 y₁（1） = 3+3+0.5*1 = 6.5

v₁=2时， x₁=4 y₁（2） = 3+4+0.5*2 = 8

v₁=3时， x₁=5 y₁（3） = 3+5+0.5*3 = 9.5

v₁=4时， x₁=6 y₁（4） = 3+6+0.5*4 =11

· 当k=2时，d₂=3, 对v₂在0至min(6,6-3) =3之间的值分别计算

$\begin{aligned} y_2(0)&=\min\limits_{0\le x_2\le 3}[S_1(x_2)+S_2(0)+y(3-x_2)]\\ &=\min \begin{bmatrix} S_1(0)+S_2(0)+y_1(3)\\ S_1(1)+S_2(0)+y_1(2)\\ S_1(2)+S_2(0)+y_1(1)\\ S_1(3)+S_2(0)+y_1(0) \end{bmatrix}=\min \begin{bmatrix} 0+0+9.5&=&9.5\\ 4+0+8&=&12\\ 5+0+6.5&=&11.5\\ 6+0+5&=&11 \end{bmatrix}=9.5 \end{aligned}$

$\begin{aligned} y_2(1)&=\min\limits_{0\le x_2\le 4}[S_1(x_2)+S_2(1)+y(4-x_2)]\\ &=\min \begin{bmatrix} S_1(0)+S_2(1)+y_1(4)\\ S_1(1)+S_2(1)+y_1(3)\\ S_1(2)+S_2(1)+y_1(2)\\ S_1(3)+S_2(1)+y_1(1)\\ S_1(4)+S_2(1)+y_1(0)\\ \end{bmatrix}=\min \begin{bmatrix} 0+0.5+11&=&11.5\\ 4+0.5+9.5&=&14\\ 5+0.5+8&=&13.5\\ 6+0.5+6.5&=&13\\ 7+0.5+5&=&12.5\\ \end{bmatrix}=11.5 \end{aligned}$

$\begin{aligned} y_2(2)&=\min\limits_{0\le x_2\le 5}[S_1(x_2)+S_2(2)+y(5-x_2)]\\ &=\min \begin{bmatrix} S_1(0)+S_2(2)+y_1(5)\\ S_1(1)+S_2(2)+y_1(4)\\ S_1(2)+S_2(2)+y_1(3)\\ S_1(3)+S_2(2)+y_1(2)\\ S_1(4)+S_2(2)+y_1(1)\\ S_1(5)+S_2(2)+y_1(0)\\ \end{bmatrix}=\min \begin{bmatrix} 0+1+\infty&=&\infty\\ 4+1+11&=&16\\ 5+1+9.5&=&15.5\\ 6+1+8&=&15\\ 7+1+6.5&=&14.5\\ 8+1+5&=&14\\ \end{bmatrix}=14 \end{aligned}$

$\begin{aligned} y_2(3)&=\min\limits_{0\le x_2\le 6}[S_1(x_2)+S_2(3)+y(6-x_2)]\\ &=\min \begin{bmatrix} S_1(0)+S_2(3)+y_1(6)\\ S_1(1)+S_2(3)+y_1(5)\\ S_1(2)+S_2(3)+y_1(4)\\ S_1(3)+S_2(3)+y_1(3)\\ S_1(4)+S_2(3)+y_1(2)\\ S_1(5)+S_2(3)+y_1(1)\\ S_1(6)+S_2(3)+y_1(0)\\ \end{bmatrix}=\min \begin{bmatrix} 0+1.5+\infty&=&\infty\\ 4+1.5+\infty&=&\infty\\ 5+1.5+11&=&17.5\\ 6+1.5+9.5&=&17\\ 7+1.5+8&=&16.5\\ 8+1.5+6.5&=&16\\ 9+1.5+5&=&15.5\\ \end{bmatrix}=15.5 \end{aligned}$

· 当k=3时,d₃=2
$y_3(v_3) = \min\limits_{0<x_k<\sigma_3}[S_1(x_{3})+S_2(v_{3})+y_{2}(v_3+2-x_3)] \\其中 \sigma_3=\min(v_3+2,6),对v_3在0至\min[4,6-2]=4之前取值$

$\begin{aligned} y_3(0)&=\min\limits_{0\le x_3\le 2}[S_1(x_3)+S_2(0)+y(2-x_3)]\\ &=\min \begin{bmatrix} S_1(0)+S_2(0)+y_2(2)\\ S_1(1)+S_2(0)+y_2(1)\\ S_1(2)+S_2(0)+y_2(0)\\ \end{bmatrix}=\min \begin{bmatrix} 0+0+14&=&14\\ 4+0+11.5&=&15.5\\ 5+0+9.5&=&14.5\\ \end{bmatrix}=14 \end{aligned}$

$\begin{aligned} y_3(1)&=\min\limits_{0\le x_3\le 3}[S_1(x_3)+S_2(1)+y(3-x_3)]\\ &=\min \begin{bmatrix} S_1(0)+S_2(1)+y_2(3)\\ S_1(1)+S_2(1)+y_2(2)\\ S_1(2)+S_2(1)+y_2(1)\\ S_1(3)+S_2(1)+y_2(0)\\ \end{bmatrix}=\min \begin{bmatrix} 0+0.5+15.5&=&16\\ 4+0.5+14&=&18.5\\ 5+0.5+11.5&=&17\\ 6+0.5+9.5&=&16\\ \end{bmatrix}=16 \end{aligned}$

$\begin{aligned} y_3(2)&=\min\limits_{0\le x_3\le 3}[S_1(x_3)+S_2(2)+y(4-x_3)]\\ &=\min \begin{bmatrix} S_1(0)+S_2(2)+y_2(4)\\ S_1(1)+S_2(2)+y_2(3)\\ S_1(2)+S_2(2)+y_2(2)\\ S_1(3)+S_2(2)+y_2(1)\\ S_1(4)+S_2(2)+y_2(0)\\ \end{bmatrix}=\min \begin{bmatrix} 0+1+\infty&=&\infty\\ 4+1+15.5&=&19.5\\ 5+1+14&=&20\\ 6+1+11.5&=&18.5\\ 7+1+9.5&=&17.5\\ \end{bmatrix}=17.5 \end{aligned}$

$\begin{aligned} y_3(3)&=\min\limits_{0\le x_3\le 5}[S_1(x_3)+S_2(3)+y(5-x_3)]\\ &=\min \begin{bmatrix} S_1(0)+S_2(3)+y_2(5)\\ S_1(1)+S_2(3)+y_2(4)\\ S_1(2)+S_2(3)+y_2(3)\\ S_1(3)+S_2(3)+y_2(2)\\ S_1(4)+S_2(3)+y_2(1)\\ S_1(5)+S_2(3)+y_2(0)\\ \end{bmatrix}=\min \begin{bmatrix} 0+1.5+\infty&=&\infty\\ 4+1.5+\infty&=&\infty\\ 5+1.5+15.5&=&22\\ 6+1.5+14&=&21.5\\ 7+1.5+11.5&=&20\\ 8+1.5+9.5&=&19\\ \end{bmatrix}=19 \end{aligned}$

$\begin{aligned} y_3(4)&=\min\limits_{0\le x_3\le 6}[S_1(x_3)+S_2(4)+y(6-x_3)]\\ &=\min \begin{bmatrix} S_1(0)+S_2(4)+y_2(6)\\ S_1(1)+S_2(4)+y_2(5)\\ S_1(2)+S_2(4)+y_2(4)\\ S_1(3)+S_2(4)+y_2(3)\\ S_1(4)+S_2(4)+y_2(2)\\ S_1(5)+S_2(4)+y_2(1)\\ S_1(6)+S_2(4)+y_2(0)\\ \end{bmatrix}=\min \begin{bmatrix} 0+2+\infty&=&\infty\\ 4+2+\infty&=&\infty\\ 5+2+\infty&=&\infty\\ 6+2+15.5&=&23.5\\ 7+2+14&=&23\\ 8+2+11.5&=&21.5\\ 9+2+9.5&=&20.5\\ \end{bmatrix}=20.5 \end{aligned}$

· 当k=4时,d₄=4,v₄=0
$\begin{aligned} y_4(4)&=\min\limits_{0\le x_4\le 4}[S_1(x_4)+S_2(0)+y(4-x_4)]\\ &=\min \begin{bmatrix} S_1(0)+S_2(0)+y_3(4)\\ S_1(1)+S_2(0)+y_3(3)\\ S_1(2)+S_2(4)+y_3(2)\\ S_1(3)+S_2(4)+y_3(1)\\ S_1(4)+S_2(4)+y_3(0)\\ \end{bmatrix}=\min \begin{bmatrix} 0+0+20.5&=&20.5\\ 4+0+19&=&23\\ 5+0+17.5&=&22.5\\ 6+0+16&=&22\\ 7+0+14&=&21\\ \end{bmatrix}=20.5 \end{aligned}$
可得最小成本为20.5千元，反推可得x₄=0,x₃=6,x₂=0,x₁=5,整理可得

时期k	0	1	2	3	4
需求量	-	2	3	2	4
生产量	-	5	0	6	0
库存量	0	3	0	4	0

2. 用动态规划方法编程求解下面的问题：(状压dp)

在这里插入图片描述

问题分析：

从顶点v₁出发，经过v₂到v₆的城市各一次后返回顶点v₁,设dp[i,V]表示从顶点v_i出发，经过集合V中所有顶点各一次后返回出发点v_i的最短路径的长度。

当V为空集时，即从v_i直接回到v₁，dp[i,V] = D[i,v₁]
当V不为空集时，可以把问题转化为对子问题的求解。d[i,V]=min(D[i,k]+dp[k,V-(k)])

注：其中D[i,j]表示邻接矩阵

其中集合V的状态共有2⁴种，即16种集合V，dp数组的第二维要开16的大小来保存集合状态。而有关集合与dp数组下标的映射关系为：设当前集合中有v_i则对应的第i位为1，计算集合对应的下标。例如，V={v₁,v₂}, 则对应二进制为00011，即映射到数组中下标3的位置。

由以上的分析可知动态规划状态转移方程为
$dp(i,V)=\left\{ \begin{aligned} D[i,v_1]&,&V=\empty,i\ne v~1~\\ \min \{{D[i,k]}+dp(k,V-\{k\})\}&,&k\in V,V\ne \empty \end{aligned} \right.$

核心算法伪代码：

void Tsp_DP_Solution(vector<vector<int> >Dis){  // 其中Dis为邻接矩阵
    int len = Dis.size();
	int V = 1<<(len-1);// 状态压缩，将集合状态压缩至一维
	vector<vector<int> >dp(len,vector<int>(V)); //dp[i][j]表示从节点i出发，经过集合j中所有节点一次后返回i的最短距离
    for(int i=0;i<len;i++){  //初始化dp数组
        dp[i][0]=Dis[i][0];
    }
    for(int j=1;j<V;j++){
        for(int i=0;i<len;i++){
            dp[i][j]=1e9+10;
            if( ((j>>(i-1))&1)==1)  continue; //如果当前集合中有该顶点，不符合题意
            for(int k=1;k<len;k++){
                if(((j>>(k-1))&1)==0) continue;
                if( dp[i][j] > Dis[i][k] + dp[k][j^(1<<(k-1))]){
                    dp[i][j] = Dis[i][k] + dp[k][j^(1<<(k-1))];
                }
            }
        }
    }
    
    
}

程序实现与相关说明：

#include<iostream>
#include<vector>
#include<map>
#include<cstring>
using namespace std;
vector<vector<int> > Dis=
            {{0,10,20,30,40,50},
            {12,0,18,30,25,21},
            {23,19,0,5,10,15},
            {34,32,4,0,8,16},
            {45,27,11,10,0,18},
            {56,22,16,20,12,0}};
int len = Dis.size();  
int V = 1<<(len-1);
vector<vector<int> >dp(len,vector<int>(V));
vector<int> path;
void Tsp_DP_Solution(){ //动态规划求解结果
// init
    for(int i=0;i<len;i++){
        dp[i][0]=Dis[i][0];
    }
// 按照第二维遍历集合
    for(int j=1;j<V;j++){
        for(int i=0;i<len;i++){
            //如果当前集合中有该顶点，不符合题意
            dp[i][j]=1e9+10;
            if( ((j>>(i-1))&1)==1) continue;
            
            for(int k=1;k<len;k++){
                if(((j>>(k-1))&1)==0){
                    continue;
                }
                if( dp[i][j] > Dis[i][k] + dp[k][j^(1<<(k-1))]){
                    dp[i][j] = Dis[i][k] + dp[k][j^(1<<(k-1))];
                }
            }
        }
    }
}
vector<bool> vis(len); //求解最优路径时存储每个节点是否访问过
int main()
{
//------------------邻接矩阵设置--------------------------
    for(int i=0;i<len;i++){
        int tmp = Dis[i].size();
        for(int j=0;j<tmp;j++)  cout<<Dis[i][j]<<" ";
        cout<<endl;
    }//--------------------------------------

    Tsp_DP_Solution();
    cout<<"最短总行程为"<<dp[0][V-1]<<endl;
//----------------计算最优路径----------------------------
    int pre =0, minn = 1e9+7,S = V-1,tmp,cnt=1;
    path.push_back(0); //首先将起始节点入vector
    while(cnt<len){ // cnt用于记录选择点个数，边界条件
        for(int i=1;i<len;i++){
            if( vis[i]==false && (S&(1<<(i-1)))!=0 ){
                if(minn>Dis[i][pre]+dp[i][(S^(1<<(i-1)))]){
                    minn = Dis[i][pre]+dp[i][(S^(1<<(i-1)))];
                    tmp =i ;  // 找到没有加入集合中的距离最小的加入
               }
            }
        }
        pre=tmp;
        path.push_back(pre);
        vis[pre]=1;
        S = S^(1<<(pre - 1));
        minn = 1e9+7;
        cnt++;
    }
//----------------输出最优路径------------------------------
    cout<<"最优路径为："<<endl;
    for(int i=0;i<path.size();i++)  cout<<path[i]<<"->";
    cout<<0;
    return 0;
}

时间复杂度分析：

设有n个地点，共有2ⁿ个状态，代码中存在三重循环部分复杂度最高。每个状态2ⁿ乘以n*n

时间复杂度为O(2ⁿn²)

空间复杂度O(n*2^n-1)

程序运行结果：
在这里插入图片描述

Bug_machine

关注

2
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
动态规划方法手工求解生产存储问题、动态规划方法编程求解旅行商问题

Assignment 11. 用动态规划方法手工求解下面的问题解：该问题是一个多阶段决策过程最优化问题，共有 k 个阶段，本问题中 k = 1，2，3，4状态变量: 每个月生产产品数量 xk , 总成本y，生产成本 S1，存储费用S2，产品需求量d =[ 2，3，2，4 ]按照四个时期将问题划分成四个阶段，可得生产成本y1的表达式为：S1(x)={0whenxk=03+xkwhenxk=1,2,3,4,5,6∞whenxk>6S_1(x)=\left\{\begin{aligned.
复制链接

扫一扫