动态规划经典教程Word格式.doc
《动态规划经典教程Word格式.doc》由会员分享,可在线阅读,更多相关《动态规划经典教程Word格式.doc(46页珍藏版)》请在冰豆网上搜索。
动态规划用于解决多阶段决策最优化问题,但是不是所有的最优化问题都可以用动态规划解答呢?
一般在题目中出现求最优解的问题就要考虑动态规划了,但是否可以用还要满足两个条件:
最优子结构(最优化原理)
无后效性
最优化原理在下面的最短路径问题中有详细的解答;
什么是无后效性呢?
就是说在状态i求解时用到状态j而状态j就解有用到状态k…..状态N。
而求状态N时有用到了状态i这样求解状态的过程形成了环就没法用动态规划解答了,这也是上面用图论理解动态规划中形成的图无环的原因。
也就是说当前状态是前面状态的完美总结,现在与过去无关。
。
当然,有是换一个划分状态或阶段的方法就满足无后效性了,这样的问题仍然可以用动态规划解。
三,动态规划解决问题的一般思路。
拿到多阶段决策最优化问题后,第一步要判断这个问题是否可以用动态规划解决,如果不能就要考虑搜索或贪心了。
当却定问题可以用动态规划后,就要用下面介绍的方法解决问题了:
(1)模型匹配法:
最先考虑的就是这个方法了。
挖掘问题的本质,如果发现问题是自己熟悉的某个基本的模型,就直接套用,但要小心其中的一些小的变动,现在考题办都是基本模型的变形套用时要小心条件,三思而后行。
这些基本模型在先面的分类中将一一介绍。
(2)三要素法
仔细分析问题尝试着确定动态规划的三要素,不同问题的却定方向不同:
先确定阶段的问题:
数塔问题,和走路问题(详见解题报告)
先确定状态的问题:
大多数都是先确定状态的。
先确定决策的问题:
背包问题。
(详见解题报告)
一般都是先从比较明显的地方入手,至于怎么知道哪个明显就是经验问题了,多做题就会发现。
(3)寻找规律法:
这个方法很简单,耐心推几组数据后,看他们的规律,总结规律间的共性,有点贪心的意思。
(4)边界条件法
找到问题的边界条件,然后考虑边界条件与它的领接状态之间的关系。
这个方法也很起效。
(5)放宽约束和增加约束
这个思想是在陈启锋的论文里看到的,具体内容就是给问题增加一些条件或删除一些条件使问题变的清晰。
第二节动态规划分类讨论
这里用状态维数对动态规划进行了分类:
1.状态是一维的
1.1下降/非降子序列问题:
问题描述:
{挖掘题目的本质,一但抽象成这样的描述就可以用这个方法解}
在一个无序的序列a1,a2,a3,a4…an里,找到一个最长的序列满足:
ai<
=aj<
=ak…<
=am,且i<
j<
k…<
m.(最长非降子序列)或ai>
aj>
ak…>
am,且i>
j>
k…>
m.(最长下降子序列)。
问题分析:
如果前i-1个数中用到ak(ak>
ai或ak<
=ai)构成了一个的最长的序列加上第I个数ai就是前i个数中用到i的最长的序列了。
那么求用到ak构成的最长的序列有要求前k-1个数中……
从上面的分析可以看出这样划分问题满足最优子结构,那满足无后效性么?
显然对于第i个数时只考虑前i-1个数,显然满足无后效性,可以用动态规划解。
分析到这里动态规划的三要素就不难得出了:
如果按照序列编号划分阶段,设计一个状态opt[i]表示前i个数中用到第i个数所构成的最优解。
那么决策就是在前i-1个状态中找到最大的opt[j]使得aj>
ai(或aj<
=ai),opt[j]+1就是opt[i]的值;
用方程表示为:
{我习惯了这种写法,但不是状态转移方程的标准写法}
opt[i]=max(opt[j])+1
(0<
=j<
i且aj<
=ai)
{最长非降子序列}
i且aj>
ai)
{最长下降子序列}
实现求解的部分代码:
opt[0]:
=maxsize;
{maxsize为maxlongint或-maxlongint}
for
i:
=1tondo
forj:
=0toi-1do
if(a[j]>
a[i])and(opt[j]+1>
opt[i])then
opt[i]:
=opt[j]+1;
ans:
=-maxlongint;
fori:
ifopt[i]>
ansthenans:
=opt[i];
{ans为最终解}
复杂度:
从上面的实现不难看出时间复杂度为O(N2),空间复杂度O(N);
例题1拦截导弹(missile.pas/c/cpp)来源:
NOIP1999(提高组)第一题
【问题描述】
某国为了防御敌国的导弹袭击,发展出一种导弹拦截系统。
但是这种导弹拦截系统有一个缺陷:
虽然它的第一发炮弹能够到达任意的高度,但是以后每一发炮弹都不能高于前一发的高度。
某天,雷达捕捉到敌国的导弹来袭。
由于该系统还在试用阶段,所以只有一套系统,因此有可能不能拦截所有的导弹。
输入导弹依次飞来的高度(雷达给出的高度数据是不大于30000的正整数),计算这套系统最多能拦截多少导弹,如果要拦截所有导弹最少要配备多少套这种导弹拦截系统。
【输入文件】missile.in
单独一行列出导弹依次飞来的高度。
【输出文件】missile.out
两行,分别是最多能拦截的导弹数,要拦截所有导弹最少要配备的系统数
【输入样例】
38920715530029917015865
【输出样例】
6
2
【问题分析】
有经验的选手不难看出这是一个求最长非升子序列问题,显然标准算法是动态规划。
以导弹依次飞来的顺序为阶段,设计状态opt[i]表示前i个导弹中拦截了导弹i可以拦截最多能拦截到的导弹的个数。
状态转移方程:
(h[i]>
=h[j],0=<
i)
{h[i]存,第i个导弹的高度}
最大的opt[i]就是最终的解。
这只解决了第一问,对于第二问最直观的方法就是求完一次opt[i]后把刚才要打的导弹去掉,在求一次opt[i]直到打完所有的导弹,但这样做就错了。
不难举出反例:
61732
错解:
632/1/7
正解:
61/732
其实认真分析一下题就回发现:
每一个导弹最终的结果都是要被打的,如果它后面有一个比它高的导弹,那打它的这个装置无论如何也不能打那个导弹了,经过这么一分析,这个问题便抽象成在已知序列里找最长上升序列的问题。
求最长上升序列和上面说的求最长非升序列是一样的,这里就不多说了。
时间复杂度为O(N2),空间复杂度为O(N)。
【源代码】
programmissile;
const
fin='
missile.in'
;
fout='
missile.out'
maxn=10000;
var
a,opt:
array[0..maxn]oflongint;
n,anslen,anstime:
longint;
procedure
init;
x:
begin
assign(input,fin);
reset(input);
assign(output,fout);
rewrite(output);
n:
=0;
repeat
inc(n);
read(a[n]);
untilseekeof;
end;
proceduremain;
i,j:
fillchar(opt,sizeof(opt),0);
a[0]:
=maxlongint;
=i-1downto0do
if(a[j]>
=a[i])and(opt[j]+1>
anslen:
anslenthen
if(a[j]<
anstime:
anstimethen
procedureprint;
writeln(anslen);
writeln(anstime);
close(input);
close(output);
main;
print;
end.
例题二合唱队形(chorus.pas/c/cpp)来源:
NOIP2004(提高组)第一题
N位同学站成一排,音乐老师要请其中的(N-K)位同学出列,使得剩下的K位同学排成合唱队形。
合唱队形是指这样的一种队形:
设K位同学从左到右依次编号为1,2…,K,他们的身高分别为T1,T2,…,TK,
则他们的身高满足T1<
...<
Ti>
Ti+1>
…>
TK(1<
=i<
=K)。
你的任务是,已知所有N位同学的身高,计算最少需要几位同学出列,可以使得剩下的同学排成合唱队形。
【输入文件】
输入文件chorus.in的第一行是一个整数N(2<
=N<
=100),表示同学的总数。
第一行有n个整数,用空格分隔,第i个整数Ti(130<
=Ti<
=230)是第i位同学的身高(厘米)。
【输出文件】
输出文件chorus.out包括一行,这一行只包含一个整数,就是最少需要几位同学出列。
【样例输入】
8
186186150200160130197220
【样例输出】
4
【数据规模】
对于50%的数据,保证有n<
=20;
对于全部的数据,保证有n<
=100。
出列人数最少,也就是说留的人最多,也就是序列最长。
这样分析就是典型的最长下降子序列问题。
只要枚举每一个人站中间时可以的到的最优解。
显然它就等于,包括他