DP-方法
动态规划和分治的联系和区别
1.动态规划和分治相似,都是通过组合子问题的解来求解原问题。
2.分治法:将问题划分为互不相交的子问题,递归求解子问题,再将子问题的解组合起来,求解原问题的解。
动态规划:应用于子问题重叠的情况,即不同的子问题拥有公共的子子问题。(如果用分治法来求解,会反复求解公共的子子问题;用动态规划就求一次。)该方法通常用来解决多阶段决策过程(前后关联,链状结构,多阶段过程)的最优化问题。
适合用动态规划解决的问题
最优性原理:无论过程的初始决策、状态是什么,其余决策都必须相对于初始决策产生的状态构成一个最优决策序列。
如果最优性原理成立的问题,说明动态规划有可能解决该问题。
疑问
最优性原理对于多阶段决策问题,总是成立吗?
答:不。多段图问题:路径和改为路径乘积,并允许出现负数。
例子
1.多段图
#include<iostream>
using namespace std;
#define N 12//点个数
#define K 4//层数
int c[N][N];//存各边长度
int cost[N];//存直达某点的最小边
int d[N];//存最短路径
void init() {
//为了测试方便,直接码出来了
c[1][2] = 9; c[1][3] = 7; c[1][4] = 3; c[1][5] = 2;
c[2][6] = 4; c[2][7] = 2; c[2][8] = 1; c[3][6] = 2;
c[3][7] = 7; c[4][8] = 11; c[5][7] = 11; c[5][8] = 8;
c[6][9] = 6; c[6][10] = 5; c[7][9] = 4; c[7][10] = 3;
c[8][10] = 5; c[8][11] = 6; c[9][12] = 4; c[10][12] = 2;
c[11][12] = 5;
}
//void fGraph() {//向前处理法
//
// for (int i = N-1; i >=1; i--) {
// cost[i] = 9999;
// for (int j = i; j <= N; j++) {
// if (c[i][j] != 0 ) {//有边
// if(cost[j] + c[i][j] < cost[i])//更新最小值
// {
// cost[i] = cost[j] + c[i][j];
// d[i] = j;
// }
// }
// }
// }
//}
void fGraph() {//向后处理法
for (int i =2; i<=N; i++) {
cost[i] = 0x3f3f3f;
for (int j = i-1; j >= 1; j--) {
if (c[j][i] != 0) {//有边
if (cost[j] + c[j][i] < cost[i])//更新最小值
{
cost[i] = cost[j] + c[j][i];
d[i] = j;
}
}
}
}
}
int main() {
init();//多段图的初始化
fGraph();//处理多段图
cout << cost[12] << endl;
//int n = 12;
//int m = 5;
//cout << 12 << endl;
//while (n!=1)
//{
// cout << d[n] << endl;
// n = d[n];
//}//输出路径
}
2.最优二分检索树
3.流水线调度问题
直观上,一个最优调度应使机器M1没有空闲时间,且机器M2的空闲时间最少。在一般情况下,机器M2上会有机器空闲和作业积压2种情况。
- 使M1上的加工是无间断的。即M1上的加工时间是所有ai之和,但M2上不一定是bi之和。
- 使作业在两台机器上的加工次序是完全相同的。
则得结论:仅需考虑在两台机上加工次序完全相同的调度。
#include<iostream>
#include<algorithm>
using namespace std;
int n,m;
class JOB {
public:
int key, index;//时间和原下标索引
bool job;//是在前还是后
};
bool cmp(JOB a, JOB b) {
return a.key < b.key;
}
int func(int n, int a[], int b[], int c[]) {
JOB* j = new JOB[100];
/*
Johson法则分出的第一组都是M2加工时间大于M1的,且按M1时间
递增;分出的第二组都是M1加工时间大于M2的,且按M2时间递减。
由于M1加工是无间断的,决定时间长短的只是M2。
按照Johson法则会发现,中间部分都是一些M2耗时大的
作业,两头都是一些耗时小的作业,
个人觉得这样安排会很好填充M2中的时间空隙。
*/
for (int i = 0; i < n; i++) {
if (a[i] <= b[i]) {
j[i].job = true;
j[i].key = a[i];
}
else {
j[i].job = false;
j[i].key = b[i];
}
j[i].index = i;
}
sort(j, j + n, cmp);
int s = 0, e = n - 1;
for (int i = 0; i < n; i++) {
if (j[i].job) {
c[s++] = j[i].index;
}
else {
c[e--] = j[i].index;
}
}
int t1 = a[c[0]], t2 = t1+b[c[0]];
for (int i = 1; i < n; i++) {
t1 += a[c[i]];
t2 = t2 < t1 ? t1 + b[c[i]] : t2 + b[c[i]];//第二条流水线是谁大就接在谁的后面
}
return t2;//第二个的时间肯定比第一个大或者相等
}
int main() {
int a[100], b[100],c[100];
cin >> n;
while (n--)
{
cin >> m;
for (int i = 0; i < m; i++) {
cin >> a[i] >> b[i];
}
cout << func(m, a, b, c) << endl;
}
}
/*
1
7
5 2
3 4
6 7
4 2
8 9
9 7
6 3
*/
//答案是43
4.01背包问题
#include<iostream>
#include<algorithm>
using namespace std;
const int N = 1010;
int n, m;
int v[N], w[N];
int f[N];
int main() {
scanf("%d%d", &n, &m);
for (int i = 1; i <= n; i++) {
scanf("%d%d", &v[i], &w[i]);
}
for (int i = 1; i <= n; i++) {
for (int j = m; j >=v[i]; j--) {//从大到小才能防止下面f[j-v[i]]的数据因被更新成第i层,你用的是第i-1层的数据。因为j-v[i]小于j所以防止提前更新因从大到小遍历
f[j] = max(f[j], f[j - v[i]] + w[i]);
}
}
cout << f[m];
}
5.旅行商问题(TSP、货郎担问题)