注意事项:
序号有点问题,影响不大,内容都是各种资料整合和我自己归纳总结的,不喜勿喷,感觉扔回收站可惜了,所以分享出来,能有帮上你的忙就最好不过了,更多复习资料,可以去看我的合集。
三、动态规划法:0-1 背包,矩阵连乘,最长公共子序列,最大子段和, 凸多边形最优三角部分,多边形游戏,图像压缩,电路布线,流水作业调度,最优二叉搜索树
动态规划的基本思想:拆分原问题,解决子问题,合并问题解
将待求解问题分解成若干个子问题,如果各个子问题不是独立的,不同的子问题的个数只是多项式量级,为避免大量的重复计算,用一个表记录所有已解决的子问题的答案,而在需要的时候再找出已求得的答案。
将原问题分解成若干个规模较小的子问题,先求解这些子问题,然后通过子问题的解得到原问题的解。
分治与动态规划算法的异同:
分治法与动态规划法的相同点是:将待求解的问题分解成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解。
两者的不同点是:适合于用动态规划法求解的问题,经分解得到的子问题往往不是互相独立的。而用分治法求解的问题,经分解得到的子问题往往是互相独立的。
理解动态规划算法的基本要素:
最优子结构性质:问题的最优解包含了其子问题的最优解。
重叠子问题性质:有些子问题被反复计算多次。
动态规划算法求解问题的步骤:
- 找出最优解的性质,并刻画其结构特征
- 递归地定义最优值
- 以自底向上的方式计算出最优值
- 构造最优解
选择、填空题:
1.1. 动态规划的两个基本性质:
-
- 最优子结构性质
- 重叠子问题性质
1.2. 0-1 背包问题可以用哪几种算法设计策略求解:
-
- 动态规划算法
- 回溯法
- 分支限界法
简答题:
1.1. 动态规划的基本思想:
-
- 将问题分解成多个重叠的子问题,递归求解,并将子问题的求解用一张表缓存起来,避免重复计算,从而得到问题的解
1.2. 动态规划算法的四个步骤:
-
- 刻画 最优解 的结构
- 递归定义 最优解的值
- 以自底向上的方式计算 最优解的值
-
-
- 一到三步骤是基本步骤,只求 最优值 到此即可
-
-
- 根据计算最优解值时得到的信息构造 问题最优解
-
-
- 要求问题的一个最优解,则要执行步骤四
-
1.3. 什么是 0-1 背包问题:
-
- 商店有 n 个物品,第 i 个 物品价值为 vi,重量为 wi,背包容量为:W。每张物品只能选择完全装入或者不装入背包,一个物品至多装入一次,怎么选择装入背包的物品,使得背包的物品价值最大。
例题:
- 备忘录法~动态变形而来
- 0-1 背包~不排序:动态规划~排序:回溯法,分支限界法
四、贪心法:活动安排,最优装载,哈夫曼编码,单源最短路径,最小生存树,多机调度
局部最优推出整体最优,每次都很贪婪地选择最优选,导致整体最优,但是不能解决 0-1 背包问题,因为0-1背包问题,贪心选择之所以不能得到最优解,是因为在这种情况下,它无法保证最终能将背包装满,部分闲置的背包空间使每公斤背包空间的价值降低了。因而我们选择的判断标准出现了误差。
理解贪心算法的基本要素:~性质
贪心选择性质:所求问题的整体最优解可以通过一系列局部最优的选择,即贪心选择来达到。
最优子结构性质。
贪心算法与动态规划算法的异同点:
(1)共同点:都需要最优子结构性质,都用来求最优化问题。
(2)不同点:
动态规划:每一步作一个选择—依赖于子问题的解。
贪心方法:每一步作一个选择—不依赖于子问题的解。
动态规划方法的条件:子问题的重叠性质。
可用贪心方法的条件:最优子结构性质;贪心选择性质。
动态规划:自底向上求解;
贪心方法:自顶向下求解。
0-1背包问题能不能用贪心算法求解?为什么?
对于部分背包问题,依照贪心选择策略,可以得到最优解。而0-1背包问题,贪心选择之所以不能得到最优解,是因为在这种情况下,它无法保证最终能将背包装满,部分闲置的背包空间使每公斤背包空间的价值降低了。因而我们选择的判断标准出现了误差。
例题:
- 贪心算法与动态规划算法的主要区别:贪心选择性质
- 问题用贪心还是动态取决:最优子结构性质
- 哈夫曼~时间:nlogn
- 装载~时间:nlogn