算法导论(八)——动态规划贪婪算法

2024-05-13 06:32

本文主要是介绍算法导论(八)——动态规划贪婪算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

                                    算法导论(八)——动态规划&贪婪算法

【主要参考资料:MIT算法导论视频,《数据结构,算法与应用,c++语言描述》】

动态规划方法通常用来求解最优化问题,从可行解中寻找具有最优值的解,得到的是问题的一个最优解(an optimal solution)

求解的问题需具备要素:最优子结构和子问题重叠。算法对每个子问题只求解一次,将其解保存在一个表格,从而无需每次求解一个子问题时都重新计算,避免了这种不必要的计算工作。是付出额外的内存空间来节省计算空间。

 

动态规划是基于递推公式或初始状态,当前子问题的解由上一次子问题的解推出,只需要多项式时间复杂度。它的本质,是对问题状态的定义和状态转移方程的定义。

 

我们通常按如下4个步骤来设计一个动态规划算法:

1.刻画一个最优解的结构特征。

2.递归地定义最优解的值。

3.计算最优解的值,通常采用自底向上的方法。

4.利用计算出的信息构造一个最优解。

 

1.    最长公共子序列(LCS)。

背景;x序列有m个元素,y序列有n个元素,最坏情况下,找到一个lcs需要指数时间

理论:动态规划的特征

①(最优子结构的性质)一个问题的最优解包含了其子问题的最优解

——令zLCS(x,y),则z的前缀为x的前缀和y的前缀的LCS

②重叠子问题:递归法解决时有少量的子问题重复出现

——画出递归树,树高m+n,指数时间,有很多重复,LCSm*n个独立子空间。

解决方案:

①备忘法(自顶而下,对已经计算过的内容,及时记录)

2.    数塔问题:

http://blog.csdn.net/baidu_28312631/article/details/47418773

数字三角形中寻找一条从顶部到底边的路径(每一步都只能往左下或右下走),使得路径上所经过的数字之和最大。

 

3.    钢条切割

http://blog.csdn.net/nxiangbo/article/details/51111391

给一段钢条,对其进行切割,每一段钢条都有不同的价值。要找到最优的切割方案,使切割成的钢条价值最大。

①带备忘录的自顶而下法:记录每个计算过的值 【记录中间解】

②自底而上法:将子问题按照规模排序,按照有小到大的顺序进行求解。当求解某个子问题时,它所依赖的那些更小的子问题都已经求解完毕,结果已经保存。【通过对问题求解顺序的合理安排,达到避免重复】

两种方法具有相同的复杂度,自顶而下的方法并没有解决所有可能的子问题,由于没有频繁的递归函数的调用开销,自底而上的方法复杂度通常会比自顶而下的方法复杂度小

 

4.    矩阵连乘(钢条问题的升级版)

http://blog.sina.com.cn/s/blog_5d1f04810100x4qe.html

给定n个矩阵{A1,A2,…,An},其中AiAi+1是可乘的,i=1,2,…,n-1。如何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。

m[i][j]=m[i][k]+m[k+1][j]+pipk+1pj+1

 

5.    最优二叉搜索树

http://blog.csdn.net/xiajun07061225/article/details/8088784

给定一个由n个互异的关键字组成的有序序列K={k1<k2<k3<,……,<kn}和它们被查询的概率P={p1,p2,p3,……,pn},要求构造一棵二叉查找树T,使得查询所有元素的总的代价最小。

代价可以定义为:比如从根节点到目标节点的路径上节点数目,即所发现的节点的深度加1

n+1虚拟键”d0,d1,...,dn,他们代表不在K内的值。

定义e[i,j]为包含关键字ki,...,kj的最优二叉查找树的期望代价,最终要计算的是e[1,n]

可以说贪心问题是DP问题的特例。

动态规划:全局最优解中一定包含某个局部最优解,但不一定包含前一个局部最优解,因此需要记录之前的所有最优解。贪婪算法:每一步的最优解一定包含上一步的最优解。(硬币问题可用DP,但不一定能用贪婪算法)

 

贪婪算法:作出在当前看来最好的选择

逐步构造最优解。每一步都在一定的标准下,做出一个最优决策。

不能保证得到最优解,但所得的结果通常非常接近最优解,这种算法称为启发式方法。

适用的前提:局部最优策略能导致产生全局最优解。

应用:

背包问题(价值密度,k阶优化);

拓扑排序:【从剩余顶点中选择一个点j,它没有入边(i,j),其中i不在序列中】

用栈保存候选顶点,用一维数组表示各顶点的入度(入度为0即是候选点,否则要及时更新)

//生成拓扑序列

booltopologicalOeder(int *theOrder){

    //若能生成拓扑序列,则结果保存在theOrder

    //否则返回false,说明有向图中含有环

    //点的下标从1开始,1~n

    int n=numberofVertices();

    //计算每个顶点的入度

    int *inDegree=new int[n+1];

    fill(inDegree,inDegree+n+1,0);

    for(int i=1;i<=n;i++){

      vertexIterator<T> *ii=iterator(i);

      int u;//其邻接点

      while((u=ii->next())!=0)

      inDegree[u]++;

    }

     //入度为0的点入栈

     arrayStack<int> stack;

     for(int i=1;i<=n;i++){

     if(inDegree[i]==0)

     stack.push(i);

     }

     //生成拓扑序列

     int j=0;

     while(!stack.empty()){

       int nextVertex=stack.top();

       stack.pop();

       theOrder[j++]=nextVertex;

       vertexIterator<T> *inextVertex=iterator(nextVertex);

       int u;

       while((u=inextVertex->next())!=0){

         inDegree[u]--;

         if(inDegree[u]==0)

           stack.push(u);

       }

 

     }

     return (j==n);

}

 

二分覆盖(寻找最小覆盖);【从一个集合中选择一个顶点,它最大数量地覆盖了另一个集合中还未被覆盖的元素】

 

单源最短路径;【从还没到达的定点中,选择可以产生最短路径的顶点】——Dijkstra

voidshortestPaths(int sourceVertex,T* distanceFromSource,int* predecessor){

    //distanceFromSource保存从sourceVertex开始的最短路径

    //predecessor表示某点从源开始的路径中的前驱节点

    //节点1~n

    if(sourceVertex<1||sourceVertex>n)

      return;

    graphChain<int> newRechableVertices;

    //初始化

    for(int i=1;i<=n;i++){

    distanceFromSource[i]=a[sourceVertex][i];//邻接矩形

    if(distanceFromSource[i]==noEdge)

      predecessor[i]=-1;

    else{

      predecessor[i]=sourceVertex;

      newRechableVertices.insert(0,i);

    }

    }

     distanceFromSource[sourceVertex]=0;

     predecessor[sourceVertex]=0;

     //更新

     while(!newRechableVertices.empty()){

     //从还没到达的定点中,选择可以产生最短路径的顶点

     chain<int>::iteratorinewRechableVertices=newRechableVertices.begin();

     int v=*inewRechableVertices;

    while(inewRechableVertices!=newRechableVertices.end()){

        int w=*inewRechableVertices;

        inewRechableVertices++;

       if(distanceFromSource[v]>distanceFromSource[w])

           v=w;

     }//找到了最小值v

     //接着找到达v的最短路径

     newRechableVertices.eraseElement(v);

     for(int j=1;j<=n;j++){

        if(a[v][j]!=noEdge&&(predecessor[j]==-1||distanceFromSource[j]>distanceFromSource[v]+a[v][j])){

         distanceFromSource[j]=distanceFromSource[v]+a[v][j];

          if(predecessor[j]==-1)

            newRechableVertices.insert(0,j);

           predecessor[j]=v;

        }

     }

     }

}

最小成本生成树:选择n-1条边,使成本最小

代码参考:https://github.com/lymcool/Introduction-to-Algorithms-Data-Structures/blob/master/MiniSpanTree.cpp

Kruskal算法:【“加边”,选择成本最小且不会产生环路的边加入】

boolkruskal(weightEdge<T> *spanningTreeEdges){

// 加权无向图不联通时,返回false

//否则,最小成本生成树的边存储在spanningTreeEdges0~n-2

  int n=numberifVertices();

  int e=numberofEdges();

  weightEdge<T> *edges=newweightEdge<T> [e+1];//存储边

  int k=0;

  for(int i=1;i<=n;i++){

    vertexIterator<T> *ii=iterator(i);

    int j;

    T w;

    while((j=ii->next(w))!=0){

       if(i<j)

         edge[++k]=weightEdge<int>(i,j,w);

    }

  }

  //把边插入小根堆

  minHeap<weightEdge<T>> heap(1);

  heap.initialize(edge,e);

  //union/find结构

  fastUnionFind uf(n);

  //按照权重递增顺序提取边,然后决定舍弃或选入

  k=0;

  while(e>0&&k<n-1){

    weightEdge<T> x=heap.top();

    heap.pop();

    e--;

    int a=uf.find(x.vertex1());

    int b=uf.find(x.vertex2());

    if(a!=b){

       spanningTreeEdges[k++]=x;

       uf.unite(a,b);

    }

  }

  return (k==n-1)

}

Prim算法:【“加点”,选择成本最小且加入后能形成树的边——有一个顶点相连】

Sollin算法:【对所有顶点选择最小成本边(有重复),再对各个子树选择最小成本边,将其连接】

 

 

 

这篇关于算法导论(八)——动态规划贪婪算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/984936

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

第10章 中断和动态时钟显示

第10章 中断和动态时钟显示 从本章开始,按照书籍的划分,第10章开始就进入保护模式(Protected Mode)部分了,感觉从这里开始难度突然就增加了。 书中介绍了为什么有中断(Interrupt)的设计,中断的几种方式:外部硬件中断、内部中断和软中断。通过中断做了一个会走的时钟和屏幕上输入字符的程序。 我自己理解中断的一些作用: 为了更好的利用处理器的性能。协同快速和慢速设备一起工作

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

动态规划---打家劫舍

题目: 你是一个专业的小偷,计划偷窃沿街的房屋。每间房内都藏有一定的现金,影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统,如果两间相邻的房屋在同一晚上被小偷闯入,系统会自动报警。 给定一个代表每个房屋存放金额的非负整数数组,计算你 不触动警报装置的情况下 ,一夜之内能够偷窃到的最高金额。 思路: 动态规划五部曲: 1.确定dp数组及含义 dp数组是一维数组,dp[i]代表

poj 3974 and hdu 3068 最长回文串的O(n)解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大,用原来的O(n^2)会爆。 小白上的O(n^2)解法代码:TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

软考系统规划与管理师考试证书含金量高吗?

2024年软考系统规划与管理师考试报名时间节点: 报名时间:2024年上半年软考将于3月中旬陆续开始报名 考试时间:上半年5月25日到28日,下半年11月9日到12日 分数线:所有科目成绩均须达到45分以上(包括45分)方可通过考试 成绩查询:可在“中国计算机技术职业资格网”上查询软考成绩 出成绩时间:预计在11月左右 证书领取时间:一般在考试成绩公布后3~4个月,各地领取时间有所不同