问题描述:给定凸多边形P={v0,v1,...,vn-1},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,即三角剖分中诸三角形上权之和为最小。
动态规划算法思路:
(1)状态方程:
m[i][j]的值表示凸多边形{vi-1,vi,...,vj}三角剖分的权重之和的最小值;
s[i][j]的值表示凸多边形{vi,...,vj}的最优三角剖分位置;
w[i][j]的值表示凸多边形第i和第j个顶点之间的权值。
(2)状态转移方程:
构造最优子结构:
假设在第k个顶点切开会得到最优解,那么原问题分解为两个子问题和一个三角形,子问题分别是{v0,v1,..,vk}和{vk,vk+1,...,vn},三角形为v0vkvn。
若用m[i][j]的值表示凸多边形{vi-1,vi,...,vj}三角剖分的权重之和的最小值,那么两个子问题{vi-1,vi,...,vk}和{vk,vk+1,...,vj}对应的最优权值分别是m[i][k]、m[k+1][j],中间三角形vi-1vkvj的权值为
w(vi-1vkvj),当前三者之和最小即为三角剖分中诸三角形上权之和为最小。
因此凸多边形三角剖分最优解递归式为:
算法代码:
#include<iostream>
using namespace std;
const int M =1010;
int n; //顶点数
int s[M][M];//记录最优最优三角剖分位置二维数组
double t[M][M];//记录最优权值二维数组
double weight[M][M];//记录各顶点之间权值的二维数组
void MinWeightTriangulation(){
for (int i=1;i<=n;i++) //初始化
{
t[i][i]=0;
s[i][i]=0;
}
//r为问题规模,r=2实际上有三个点 r为当前计算的链长(子问题规模)
for(int r=2;r<=n;r++){
//n-r+1为最后一个r链的前边界
for (int i=1;i<=n-r+1;i++){
//计算前边界为r,链长为r的链的后边界
int j=i+r-1;
//将链ij划分为A(i) * ( A[i+1:j] )这里实际上就是k=i
t[i][j]=t[i+1][j]+weight[i-1][i]+weight[i][j]+weight[i-1][j];
//策略为k=i的情况
s[i][j]=i;
//枚举划分点i到j所有情况
for (int k=i+1;k<j;k++){
//将链ij划分为( A[i:k] )* (A[k+1:j])
double u=t[i][k]+t[k+1][j]+weight[i-1][k]+weight[k][j]+weight[i-1][j];
if(t[i][j]>u){
t[i][j]=u;
s[i][j]=k;
}
}
}
}
}
//递归求解所有子问题的弦。
void Traceback(int i,int j)
{
if(i==j)
return ;
Traceback(i,s[i][j]);
Traceback(s[i][j]+1,j);
cout<<"三角剖分顶点:V"<<i-1<<",V"<<j<<",V"<<s[i][j]<<endl;
}
int main()
{
int i;
int j;
cout << "请输入顶点个数n:"<< endl;
cin >> n;
n--;
cout << "请依次输入各顶点的连接权值:" << endl;
for (i=0;i<=n;++i)
{
for (j=0;j<=n;++j)
{
cin >> weight[i][j];
}
}
MinWeightTriangulation();
cout << "最优三角剖分的权值和是:" << endl;
cout << t[1][n]<< endl;
cout << "三角剖分顶点:"<< endl;
Traceback(1,n);
return 0;
}