数据结构——图动态规划

最新推荐文章于 2023-12-24 18:52:11 发布

ZDF19

最新推荐文章于 2023-12-24 18:52:11 发布

阅读量1k

点赞数

分类专栏：数据结构

本文链接：https://blog.csdn.net/ZDF19/article/details/53740678

版权

本文探讨了动态规划在解决图的最短路径问题中的应用，包括1/0背包问题和Floyd算法。动态规划通过递推公式减少了复杂度，避免了贪婪法和分治法的局限。文章详细解释了1/0背包问题的最优解，并介绍了Floyd算法在有向图中寻找最短路径的动态规划公式，以及其在处理负权重边时的优势。最后，给出了算法的迭代求解和伪代码实现。

摘要由CSDN通过智能技术生成

动态规划难度相对较大。它的基础是最优原理。有很多问题，用贪婪法或者分而治之无法简洁高效的解决，但是动态规划就可以。

在动态规划中，我们要考察一系列抉择，以确定一个最优抉择序列是否包含最优抉择子序列。当最优抉择包含最优抉择子序列时，可建立动态规划递归方程以帮助我们高效解决问题。

动态规划常常基于一个递推式或一个或多个初始状态。当前子问题的解将由上一个子问题的解推出。一般是多项式复杂度。

1.0/1背包问题

有n个物品和一个容量为c的背包，从n个物品中选取装包的物品。物品i的重量为wi，价值为pi。一个可行的背包装载是指，背包的物品总重量不超过背包的容量。一个最佳的背包装载是物品总价值最高的可行的背包装载。

问题的公式描述是 maxΣpixi ; 约束条件是 Σwixi <= c且 xi∈{0,1}.

1)递归求解，F(1,c)返回f(1,c)的值。

int F(int i, int y)
{//Return f(i,y).
  if(i == n) return (y < w[n]) ? 0 : p[n];
  if(y < w[i]) return F(i+1,y);
  return max(F(i+1,y),F(i+1,y-w[i])+p[i]);
}

2)迭代计算 f 和 x

template<class T>
void Knapsack(T p[], int w[], int c, int n, T** f){
//Compute f[i][y] for all i and y.
 
 //initialize f[n][]
 for(int y = 0; y < w[n]; y++)
  f[n][y] = 0;
 for(int y = w[n]; y <= c; y++)
  f[n][y] = p[n];

 //compute remaining f's
 for(int i = n - 1; i > 1; i--){
  for(int y = 0; y < w[i]; y++)
   f[i][y] = f[i+1][y];
  for (int y = w[i]; y <=