动态规划----告诉你概念和原理

最新推荐文章于 2024-07-24 20:20:27 发布

Lavau

最新推荐文章于 2024-07-24 20:20:27 发布

阅读量529

点赞数

本文链接：https://blog.csdn.net/Snakehj/article/details/106742620

版权

动态规划基于一个递推公式、一个或多个初始状态。当前子问题的解由上一个子问题的解求出。

从斐波那契数列讲起：

def fib(n):
	if n == 1 or n == 2:
		print("计算 f({}) = 1".format(n))
		return 1
	else:
		f1 = fib(n - 1)
		f2 = fib(n - 2)
		print("计算 f({}) = f({}) + f({}) = {}".format(n, n-1, n-2, f1+f2))
		return f1 + f2

运行 fib(5)

(1) 递归调用fib(5) 自顶向下执行过程，从调用fib(5)开始到计算出 fib(5) 结束。
(2)计算过程中存在大量的重复计算，求 fib(5) 的过程存在两次重复计算 fib(3)。

避免重复计算，设计一个数组 dp，dp[i] 存放 fib(i) 的值。

dp = [0, 1, 1]
def fib(n):
    if n in [1,2]:
        print("计算 f({}) = 1".format(n))
    else:
        for i in range(3, n+1):
            dp.append(dp[i-1] + dp[i-2])
            print("计算 f({}) = f({}) + f({}) = {}".format(i, i-1, i-2, dp[i]))
    return dp[n]

运行 fib(5)

执行过程改为自底向上，即先求出子问题解，将计算结果存放在一张表中，而且相同的子问题只计算一次。在后面需要时只需简单查表，避免大量的重复计算。

上例中的第二个算法属于动态规划法，数组 dp 为动态规划数组。
动态规划求解过程：
在这里插入图片描述
又被称为记录结果再利用方法。

动态规划原理

动态规划是一种解决多阶段决策问题的优化方法。把多阶段过程转化为一系列单阶段问题，利用各阶段之间的关系，逐个求解。

阶段
把原问题的求解分成 n 个阶段，有顺序地求解。
阶段变量
用 k₁、k₂、、… 、k_n 标识 n 个阶段
状态
描述当前阶段决策特征的量，每个阶段只选取一个状态。可以是数字、字符。通常是上一个阶段的结束点或本阶段开始点组成的集合。
状态变量
通常记为 s_k，一个阶段所有状态变量组成的集合称为状态集，S_k。
决策
处理某一阶段的状态时，面对下一阶段的状态做出的选择 / 决定。
策略
从当前阶段开始进行到下面某一阶段的决策的集合。
阶段转移方程
某个状态以及该状态下的决策与下一个状态间的指标函数间的关系。
指标函数：衡量对某一阶段决策过程进行控制的数量指标。
求最优解时，一般对应的指标函数为最优指标函数。

动态规划解法
对于一个分为 k 个阶段的问题而言，若

从第 k 个阶段向第 1 个阶段进行解题，称为逆序解法；
从第 1 个阶段向第 k 个阶段进行解题，称为顺序解法。

动态规划可解问题具有的性质：


最优子结构	问题的最优解包含它的子问题的最优解
无后效性	某阶段状态确定后，不受其后决策的影响
重叠子结构	子问题间不独立，即一个子问题在其后阶段决策中可能被用到

（重叠子结构不是动态规划的必要条件，但没有重叠子结构，动态规划算法与其他算法相比，也不具备优势）

动态规划处理的问题是多阶段决策问题。一般由初始状态开始，通过对中间决策阶段的选择，达到结束状态。这些决策形成了一个决策序列，同时确定了一条完成整个过程的活动路线。所以动态规划算法有一定的模式，一般有以下阶段：