计算算法设计与分析 第3章 动态规划 (笔记)

网友投稿 680 2022-11-19

计算机算法设计与分析 第3章 动态规划 (笔记)

计算机算法设计与分析 第3章 动态规划 (笔记)

动态规划和分治法类似,基本思想是将问题划分成若干子问题,先求子问题,然后结合子问题的解得到原问题的解。与分治法的区别是,使用动态规划的问题 子问题之间不相互独立。 所以用一个表来记录已经解决的子问题答案,避免重复计算。 动态规划算法适用于解最优化问题,通常按照4个步骤设计:1.找出最优解的性质,并刻画其结构特征;2.递归地定义其最优值;3.以自底向上地方式计算最优值;4.根据计算最优值时得到的信息,构造最优解(如果需要最优解)。

具体的例子:

矩阵连乘问题

问题描述:  给定n个矩阵:A1,A2,...,An,其中Ai与Ai+1是可乘的(i=1,2...,n-1)。确定计算矩阵连乘积的计算次序,使得依此次序计算矩阵连乘积需要的数乘次数最少。输入数据为矩阵个数和每个矩阵规模,输出结果为计算矩阵连乘积的计算次序和最少数乘次数。

1.分析最优解的结构

首先要知道矩阵的基本知识,

矩阵A和矩阵B可乘的条件是A的列数等于B的行数,若A是p*q 矩阵,B是q*r矩阵,则其乘积C=AB是一个p*r的矩阵,

计算次数(乘法次数)是p*q*r次。

我们(通过加括号的方式)改变矩阵乘法的次序,可以改变计算次数。

因此,使得乘法计算次数最少问题就变成了一个如何加括号的问题。

记矩阵连乘积AiAi+1...Aj 为A[i:j]

设这个矩阵在Ak (1<=k

于是分解成两个规模较小的子问题A[1:K] A[k+1:n]。若要A[1:n]计算次数最少,则子问题A[1:k] A[k+1:n]计算次数也应该最少。

因此,该问题的最优解包含了其子问题的最优解。这种性质称为最优子结构性质。

2. 建立递归关系

m[i][j] = 0, i = j;

= min { m[i][k] + m[k+1][j] + pi-1pkpj},  i<=k

3. 计算最优值

这里计算次序可以通过手工画m这张表来找到规律。

/*输入参数: 一维数组p:各矩阵维数整数n:矩阵个数二维数组m:存储子问题的最优值二维数组s:记录最优断开位置(用于得到最优解)函数功能:生成最优值表m和断开位置表s;*/void MatixChain(int *p, int n, int **m, int **s) { //先把m这张表的对角线赋值0. for (int i = 1; i <= n; i++) m[i][i] = 0; /*沿对角线方向进行构造m。 *i是行,j是列,r可以看成是第r条对角线 *i和j的取值规律是根据对角线变化的规律来的,比如第2条对角线上,i和j相差1,第3条对角线上,i和j相差2 可以得出第r条对角线上,i和j相差r-1,即 j = i + r-1 */ for (int r = 2; r <= n; r++) { for (int i = 1; i <= n - r + 1; i++) { int j = i + (r - 1); //通过递归式,给m[i][j]赋值 int k = i; m[i][j] = m[i][k]+ m[k + 1][j] + p[i - 1] * p[k] * p[j]; s[i][j] = k; for (k = i + 1; k < j; k++) { int t = m[i][k] + m[k + 1][j] + p[i - 1] * p[k] * p[j]; if (t < m[i][j]) { m[i][j] = t; s[i][j] = k; } } } }}

4.构造最优解

void Traceback(int i, int j, int **s) { if (i == j) return; Traceback(i, s[i][j], s); Traceback(s[i][j] + 1, j, s); cout << "Multiply A" << i << ", " << s[i][j]; cout << " and A" << (s[i][j] + 1) << ", " << j << endl;}/*注:Multiply A i , s[i][j] and A (s[i][j]+1), j 就是Ai...A(s[i][j] 和 A(s[i][j]+1)...j相乘比如Multiply A1, 3 and A4, 6就是 (A1A2A3) (A4A5A6)*/

一个完整的实例:A1A2A3A4A5A6的最优解

维数: int p[] = {30,35,15,5,10,20,25};

#includeusing namespace std;/*输入参数:一维数组p:各矩阵维数整数n:矩阵个数二维数组m:存储子问题的最优值二维数组s:记录最优断开位置(用于得到最优解)函数功能:生成最优值表m和断开位置表s;*/void MatrixChain(int *p, int n, int **m, int **s) { //先把m这张表的对角线赋值0. for (int i = 1; i <= n; i++) m[i][i] = 0; /*沿对角线方向进行构造m。 *i是行,j是列,r可以看成是第r条对角线 *i和j的取值规律是根据对角线变化的规律来的,比如第2条对角线上,i和j相差1,第3条对角线上,i和j相差2 可以得出第r条对角线上,i和j相差r-1,即 j = i + r-1 */ for (int r = 2; r <= n; r++) { for (int i = 1; i <= n - r + 1; i++) { int j = i + (r - 1); //通过递归式,给m[i][j]赋值 int k = i; m[i][j] = m[i][k] + m[k + 1][j] + p[i - 1] * p[k] * p[j]; s[i][j] = k; for (k = i + 1; k < j; k++) { int t = m[i][k] + m[k + 1][j] + p[i - 1] * p[k] * p[j]; if (t < m[i][j]) { m[i][j] = t; s[i][j] = k; } } } }}//根据s表生成最优解,使用递归void Traceback(int i, int j, int **s) { if (i == j) return; Traceback(i, s[i][j], s); Traceback(s[i][j] + 1, j, s); cout << "Multiply A" << i << ", " << s[i][j]; cout << " and A" << (s[i][j] + 1) << ", " << j << endl;}int main(){ const int n = 6; int p[] = {30,35,15,5,10,20,25}; int **m = new int*[n+1] ; int **s = new int*[n+1]; for (int i = 0; i < n + 1; i++) { m[i] = new int[n + 1] ; s[i] = new int[n + 1]; } for (int i = 1; i < n + 1; i++) { for (int j = 1; j < n + 1; j++) { m[i][j] =0; s[i][j] = 0; } } MatrixChain(p,n,m,s); //这里我把构造出来的m表打出来了 for (int i = 1; i < n + 1; i++) { for (int j = 1; j < n + 1; j++) { printf("%8d", m[i][j]); } cout << endl; } //输出最优解 Traceback(1, 6, s); return 0;}

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:1042 字符统计 (20 分)
下一篇:第5章 人脸检测和识别
相关文章

 发表评论

暂时没有评论,来抢沙发吧~