7. 动态规划解投资问题

投资问题

1. 问题

在这里插入图片描述在这里插入图片描述

2. 解析

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3. 设计

  for (k = 2; k <= m; ++k) {// 从第二个阶段到最后一个阶段
        for (i = 0; i <= n; ++i) { // 遍历所有的投资金额
            t[i] = f[i];// 第k阶段初始最优解 认为是把所有金额投给第k个项目
            cin >> f[i];// 输入第k个项目的投资收益函数
            a[k][i] = 0;// 初始化时认为 有i万元资金时 给第k个项目不投资 收益最大
        }
        for (i = 0; i <= n; ++i) {
            for (j = 0; j <= i; ++j) {// 遍历给定金额i下的分配情况
                if (f[j] + g[i - j] > t[i]) {// 如果此分配方案收益更大  则更新分配方案和最大收益
                    t[i] = f[j] + g[i - j];
                    a[k][i] = j;
                }
            }
        }
        for (i = 0; i <= n; ++i)// 更新分配方案
            g[i] = t[i];
    }

4. 分析

在这里插入图片描述

5. 源码

https://github.com/Marshmello11/Algorithm/tree/master/Experiment_7

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
实验课程:算法分析与设计 实验名称:用动态规划法求资源分配问题 (验证型实验) 实验目标: (1)掌握用动态规划方法求实际问题的基本思路。 (2)进一步理动态规划方法的实质,巩固设计动态规划算法的基本步骤。 实验任务: (1)设计动态规划算法求资源分配问题,给出算法的非形式描述。 (2) 在Windows环境下用C 语言实现该算法。计算10个实例,每个实例中n=30, m=10, Ci j为随机产生于范围(0,103)内的整数。记录各实例的数据及执行结果(即最优分配方案、最优分配方案的值)、运行时间。 (3)从理论上分析算法的时间和空间复杂度,并由此释相应的实验结果。 实验设备及环境: PC;C/C++等编程语言。 实验主要步骤: (1) 根据实验目标,明确实验的具体任务; (2) 分析资源分配问题,获得计算其最优值的递推计算公式; (3) 设计求问题的动态规划算法,并编写程序实现算法; (4) 设计实验数据并运行程序、记录运行的结果; (5) 分析算法的时间和空间复杂度,并由此释释相应的实验结果; 问题分析: 问题描述: 某厂根据计划安排,拟将n台相同的设备分配给m个车间,各车间获得这种设备后,可以为国家提供盈利Ci j(i台设备提供给j号车间将得到的利润,1≤i≤n,1≤j≤m) 。问如何分配,才使国家得到最大的盈利? 算法基本思想: 本问题是一简单资源分配问题,由于具有明显的最优子结构,故可以使用动态规划,用状态量f[i][j]表示用i台设备分配给前j个车间的最大获利,那么显然有f[i][j] = max{ f[k][j–1] + c[i-k][j] },0<=k<=i。再用p[i][j]表示获得最优时第j号车间使用的设备数为i-p[i][j],于是从结果倒推往回求即可得到分配方案。程序实现时使用顺推,先枚举车间数,再枚举设备数,再枚举状态转移时用到的设备数,简单3重for循环语句即可完成。时间复杂度为O(n^2*m),空间复杂度为O(n*m),倘若此题只需求最大获利而不必求方案,则状态量可以减少一维,空间复杂度优化为O(n)。
动态规划是一种常用的决优化问题的方法,可以用来投资问题。在投资问题中,我们需要在给定的一组投资选项中选择最佳的投资组合,以最大化收益或者最小化风险。 动态规划投资问题的一般步骤如下: 1. 定义状态:首先需要定义问题的状态。在投资问题中,状态可以表示为投资的时间点、可选的投资选项等。 2. 定义状态转移方程:根据问题的特点,定义状态之间的转移关系。在投资问题中,状态转移方程可以表示为当前时间点的最优投资收益与前一个时间点的最优投资收益之间的关系。 3. 初始化:初始化初始状态,即第一个时间点的状态。 4. 递推计算:根据状态转移方程,逐步计算出每个时间点的最优投资收益。 5. 回溯求:根据计算得到的最优投资收益,回溯找到对应的最优投资组合。 下面是一个简单的例子来说明动态规划如何实现投资问题: 假设有3个投资选项,分别是股票、债券和房地产。每个选项在不同时间点的收益如下表所示: | 时间点 | 股票 | 债券 | 房地产 | |-------|------|------|--------| | 1 | 10% | 5% | 2% | | 2 | 5% | 3% | 8% | | 3 | 8% | 2% | 6% | 我们的目标是在每个时间点选择一个投资选项,使得最终的收益最大化。 根据上述步骤,我们可以进行如下计算: 1. 定义状态:我们可以定义状态为时间点和可选的投资选项。 2. 定义状态转移方程:假设dp[i][j]表示在第i个时间点选择第j个投资选项的最优投资收益,则状态转移方程可以表示为dp[i][j] = max(dp[i-1][k] * 收益率[i][j]),其中k表示前一个时间点的投资选项。 3. 初始化:初始化第一个时间点的状态,即dp[j] = 收益率[j]。 4. 递推计算:根据状态转移方程,逐步计算出每个时间点的最优投资收益。 5. 回溯求:根据计算得到的最优投资收益,回溯找到对应的最优投资组合。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值