第三章动态规划

最新推荐文章于 2024-05-21 23:16:53 发布

nicole_coco

最新推荐文章于 2024-05-21 23:16:53 发布

阅读量23

点赞数

分类专栏：算法设计分析文章标签：动态规划算法

本文链接：https://blog.csdn.net/nicole_coco/article/details/134482830

版权

算法设计分析专栏收录该内容

1 篇文章 0 订阅

订阅专栏

动态规划

动态规划概叙

动态规划算法的概念

动态规划算法与分治法类似，都是将原问题分解称若干个子问题，求解子问题，然后结合这些子问题的解获得原问题的解。但是动态规划分解的子问题不互相独立，故有些子问题被重复计算，动态规划会将子问题的解保存下来，这样可以避免大量重复计算

动态规划的基本要素

最优子结构性质：最优解问题包含了子问题的最优解问题
重叠子问题性质：问题分解后，子问题会被重复计算。

动态规划算法的步骤

找出最优解的性质，并刻画其结构特征
递归地定义最优解
以自底向上的方式计算最优解
根据计算最优值时的消息，构造最优解

范例

矩阵连乘问题

问题描述

给定n个矩阵 ${\boldsymbol{A_1},\boldsymbol{A_2},……,\boldsymbol{A_n}}$ ,其中 $\boldsymbol{A_i}$ 与 $\boldsymbol{A_{i+1}}$ 是可乘的。考虑怎么加括号能使 $\boldsymbol{A_1}\boldsymbol{A_2}··\boldsymbol{A_n}$ 的计算量最小。

分析最优解的结构

计算 $\boldsymbol{A_n}$ 的最优次序所包含的计算矩阵子链 $\boldsymbol{A{[1:k]}}$ 和 $\boldsymbol{A[k+1:n]}$ 的次序也是最优的。

证明

如果计算 $\boldsymbol{A[1:k]}$ 的次序所需要的计算量更少，则用此次序替换原来计算 $\boldsymbol{A[1:n]}$ 的计算量将比最有次序所需的计算量更少，这是个矛盾。

递归关系

设计算 $\boldsymbol{A[i:j]}$ 所需的最少数乘次数为 $m [i] [j]$ ，则原问题的最优值为 $m [1] [n]$ 。、

有：
$m[i][j]=\begin{cases} 0\quad i=j\\ min(m[i][j]+m[k+1][j]+p_{i-1}p_{k}p_{j})\quad i<j \end{cases}$

代码

void MatrixChain(int *p,int n,int **m,int **s)
{
    for(int i=1;i<=n;i++)m[i][i]=0;
    for(int r=2;r<=n;r++)
    {
        for(int i=1;i<=n;i++)
        {
            int j = i+r-1;
            m[i][j] = m[i+1][j]+p[i-1]*p[i]*p[j];
            s[i][j]=i;
            for(int k=i+1;k<j;k++)
            {
                int t = m[i][k]+m[k][j]+p[i-1]*p[k]*p[j];
                if(t<m[i][j])
                {
                    m[i][j]=t;
                    s[i][j]=k;
                }
            }
        }
    }
}

构造最优解

void Traceback(int i,int j,int**s)
{
	if(i==j)
	{
	cout<<"A"<<i;
	return;
	}
	cout<<"(";
	Traceback(i,s[i][j],s);
	cout<<")";
	cout<<"(";
	Traceback(s[i][j]+1,j,s);
	cout<<")";
}

最长公共子序列

问题描述

给定两个序列 $X=\left\{x_1,x_2,……,x_m\right\}$ 和 $Y=\left\{y_1,y_2,y_3,……，y_n\right\}$ ，找出 $X$ 和 $Y$ 的最长公共子序列

最长公共子序列的结构

设序列 $X=\left\{x_1,x_2,x_3,……,x_m\right\}$ 和 $Y=\left\{y_1,y_2,……,y_n\right\}$ 的最长公共子序列 $Z=\left\{z_1,z_2,……,z_k\right\}$ 。则

若 $x_m=y_n$ ，则 $z_k=x_m=y_n$ ，且 $Z_{k-1}$ 是 $X_{m-1}$ 和 $Y_{n-1}$ 的最长公共子序列
若 $x_m\neq y_n$ 且 $z_k \neq x_m$ ，则 $Z$ 是 $X_{m-1}$ 和 $Y$ 的最长公共子序列
若 $x_m\neq y_n$ 且 $z_k \neq y_n$ ，则 $Z$ 是 $X$ 和 $Y_{n-1}$ 的最长公共子序列

递归结构

用 $c [i] [j]$ 记录序列 $X_i$ 和 $Y_j$ 的最长公共子序列的长度。其中 $X=\left\{x_1,x_2,……,x_i\right\}$ ； $Y_j = \left\{y_1,y_2,……,y_j\right\}$ 。
$c[i][j]=\begin{cases} 0\quad i>0;j=0\\ c[i-1][j-1]+1\quad i,j>0;x_i=y_j \\ max{c[i][j-1],c[i-1][j]}\quad i,j>0;x_i \neq y_j\\ \end{cases}$

代码

void LCSLength(int m,int n,char*x,char*y,int**c,int**b)
{
    int i,j;
    for(int i=1;i<=m;i++)c[i][0]=0;
    for(int i=1;i<=n;i++)c[0][i]=0;
    for(int i=1;i<=n;i++)
    {
        for(int j=1;j<=n;j++)
        {
            if(x[i]==y[j])
            {
                c[i][j]=c[i-1][j-1]+1;
                b[i][j]=1;
            }
            else if(c[i-1][j]>c[i][j-1])
            {
                c[i][j]=c[i-1][j];
                b[i][j]=2;
            }
            else if(c[i][j-1]>c[i-1][j])
            {
                c[i][j]=c[i][j-1];
                b[i][j]=3;
            }
        }
    }
}

构造最优解

void traceback(int i,int j,char*x,int**b)
{
	if(i==0||j==0)return;
	else if(b[i][j]==1)
	{
		traceback(i-1,j-1,x,b);
		printf("%c",x[i]);
	}
	else if(b[i][j]==2)
	{
		traceback(i-1,j,x,b);
	}
	else if(b[i][j]==3)
	traceback(i,j-1,x,b);
}

最大字段和

描述

给定由n个整数（可能为负整数）组成的序列 $a_1,a_2,……,a_n$ ,求该序列形如 $\sum_{k=i}^{j}a_k$

的字段和的最大值。当所有整数均为负整数时定义其最大字段和为0。依次定义，所求最优值为
$\max\left\{0,\max\limits_{1 \leq i \leq j \leq n}\sum\limits_{k=i}^{j}a_k\right\}$

解决办法

分治法解决

将所给的序列 $a [1 : n]$ 分为长度相等的两段 $a [1 : n]$ 分为长度相等的两段 $a [1 : n /2]$ 和 $a [n /2 + 1 : n]$ ，分别求出这两段的最大字段和，则 $a [1 : n]$ 的最大字段和有三种情形：

$a [1 : n]$ 的最大子段和与 $a [1 : n /2]$ 的最大子段和相同
$a [1 : n]$ 的最大子段和与 $a [n /2 + 1, n]$ 的最大子段和相同
$a [1 : n]$ 的最大子段和为 $\sum\limits_{k=i}^{j}a_k$ 。

int MaxSubSum(int*a,int left,int right)
{
    int sum =0;
    if(left==right)sum=a[left]>0?a[left]:0;
    else{
        int mid=(left+right)/2;
        int lsum = MaxSubSum(a,left,mid);
        int rsum = MaxSubSum(a,mid+1,right);
        int ls=0,lefts=0;
        for(int i=mid;i>=left;i--)
        {
            lefts+=a[i];
            if(ls<lefts)ls=lefts;
        }
        int rs=0,rights=0;
        for(int i=mid+1;i<=right;i++)
        {
            rights+=a[i];
            if(rs<rights)rs=rights;
        }
        sum=max(lsum,max(rsum,ls+rs));
    }
    return sum;
}

动态规划

设 $b[j]=\max\limits_{1 \leq i \leq j}\left\{\sum\limits_{k=i}^{j}a[k]\right\}(1 \leq j \leq n)$

则有如下递归表达式：
$b[j]=\max\left\{b[j-1]+a[j],a[j]\right\}\quad 1 \leq j \leq n$

int MaxSum(int n,int*a)
{
    int sum=0,b=0;
    for(int i=0;i<n;i++)
    {
        b = max(b+a[i],a[i]);
        if(sum<b)sum=b;
    }
    return sum;
}

凸多边形最优三角剖分

描述

给定凸多边形 $P=\left\{v_0,v_1,……,v_{n-1}\right\}$ ，以及定义在由凸多边形的边和弦组成的三角形上的权函数 $w$ ，要求确定该凸多边形的三角剖分，使得该三角剖分所对应的权最小。

最优子结构性质

若凸 $n + 1$ 边形 $P={v_0,v_1,……,v_n}$ 的最优三角剖分 $T$ 包含三角形 $v_0v_kv_n(1 \leq k \leq n-1)$ ,则 $T$ 的权为三角形 $v_0v_kv_n$ 的权、子多边形 $\left\{v_0,v_1,……,v_k\right\}$ 和 $\left\{v_{k+1},v_{k+2},……,v_n\right\}$ 的权之和。

递归结构

定义 $t [i] [j]$ 为凸子多边形 $\left\{v_{i-1},v_{i},……，v_{j}\right\}$ 的最优三角剖分对应的权函数值
$t[i][j]=\begin{cases} 0\quad i=j \\ \min\limits_{i \leq k \leq j}\left\{t[i][k]+t[k+1][j]+w(v_{i-1}v_kv_j)\right\}\quad i<j \end{cases}$

代码

void MinWeightTrianglation(int n,int **t,int**s)
{
    for(int i=1;i<=n;i++)
        t[i][i]=0;
    for(int r=2;r<=n;r++)
    {
        for(int i=1;i<=n-r+1;i++)
        {
            int j = i+r-1;
            t[i][j]=t[i+1][j]+w(i-1,i,j);
            s[i][j]=i;
            for(int k=i+1;k<i+r-1;k++)
            {
                int u = t[i][k]+t[k+1][j]+w(i-1,k,j);
                if(u<t[i][j])
                {
                    t[i][j]=u;
                    s[i][j]=k;
                }
            }
        }
    }
}

背包问题

问题描述

给定 $n$ 中物品和一背包。物品 $i$ 的重量是 $w_i$ ，其价值为 $v_i$ ，背包容量为 $w_i$ 。

递归关系

$m (i, j)$ 是背包容量为j，可选择物品为 $i, i + 1, \dots\dots, n$ 时0-1背包问题的最优值。

有:
$m(i,j)=\begin{cases} \max{m(i+1,j),m(i+1,j-w_i)+v_i}\quad j \leq w_i\\ m(i+1,j)\quad 0 \leq j < w_i \end{cases}$

$m(n,j)=\begin{cases} v_n\quad j \geq w_n\\ 0 \quad 0 \leq j < w_n \end{cases}$

代码

void Knapsack(int*v,int*w,int c,int n,int **m)
{
	for(int j=w[n];j<=c;j++)m[n][j]=v[n];
    for(int j=0;j<min(w[n],c);j++)m[n][j]=0;
    for(int i=n-1;i>=1;i--)
    {
        for(int j=0;j<=c;j++)
        {
            if(j>=w[i])m[i][j]=max(m[i+1][j],m[i+1][j-w[i]]+v[i]);
            else m[i][j]=m[i+1][j];
        }
    }
}
void traceback(int **m,int*w,int c,int n,int*x)
{
    for(int i=1;i<n;i++)
    {
        if(m[i][c]==m[i+1][c])x[i]=0;
        else{
            x[i]=1;
            c-=w[i];
        }
    }
    x[n]=(m[n][c])?1:0;
}