本文探讨了动态规划在解决复杂查找问题中的应用，包括最优二叉查找树的构建及近似串匹配算法，深入解析状态转移方程，提供代码实现。
用动态规划解决查找问题
本章讲解的例题皆有一定的难度。关于最优性原理本文不给予证明。
一.最优二叉查找树问题
问题描述:
设{r1,r2,r3,…,rn}为一个有n个记录的集合，每股记录对应的查找的概率为{p1,p2,p3,…,pn}，现在要求出这n个记录构成的最优二叉树。最有二叉树指的是这n个记录查找的平均次数最少。
分析问题:
假设C(i,j)表示{ri,ri+1,…,rj}的最优二叉查找树的平均查找次数，那么下面看一个推导
我们得到状态方程为:
C ( i , j ) {C(i,j)} C(i,j)= m i n i ≤ k ≤ j {min_{i\leq k \leq j}} mini≤k≤j{
∑ s = i j p s {\sum_{s=i}^{j}p_{s}} ∑s=ijps+ C ( i , k − 1 ) {C(i,k-1)} C(i,k−1)+ C ( k + 1 , j ) {C(k+1,j)} C(k+1,j)}
接下来为了可以让那个递推进行下去，我们需要定义最基本的子问题，对于求基本子问题的一般方式是根据递推方程把它的各个情况看一遍，可以直接得结果的就是子问题(一般都是在边界)，根据这个方法我们可以很容易的得到:
C ( i , i − 1 ) = 0 {C(i,i-1)}=0 C(i,i−1)=0
C ( i , i ) = p i {C(i,i)}=p_{i} C(i,i)=p<
最低0.47元/天 解锁文章
扫一扫
4万+
到【灌水乐园】发言
