最优化方法-6-动态规划

应当有最优子结构和重叠子问题

最长公共子序列(lcs)

LCS例子：

• 字符串1："monkey"

• 字符串2："human"

我们来构建状态转移表

    h u m a n
  0 0 0 0 0 0
m 0 0 0 1 1 1
o 0 0 0 1 1 1  
n 0 0 0 1 1 2
k 0 0 0 1 1 2
e 0 0 0 1 1 2
y 0 0 0 1 1 2

如果两个字母相同：左上角数字 + 1

如果两个字母不同：左边数字 和 上边数字 中取大的

怎么理解?

如果字母相同则证明lcs长度加1,选择左上角是因为这是上一个状态

取大的则是因为现在lcs不能加一,所以只能找之前最好的结果

背包问题

例子：背包容量：5公斤

• 物品：

  • 物品1：价值6，重量1

  • 物品2：价值10，重量2

  • 物品3：价值12，重量3

  • 物品4：价值13，重量4

容量:   0 1 2 3 4 5
物品0: 0 0 0 0 0 0
物品1: 0 6 6 6 6 6
物品2: 0 6 10 16 16 16
物品3: 0 6 10 16 18 22
物品4: 0 6 10 16 18 22

对于每个格子

不装当前物品：价值 = 上一行同列的值

装当前物品：价值 = 当前物品价值 + 左上角某个格子的值

取两者中大的那个

时间复杂度 = O(nW)

• n = 物品数量

• W = 背包容量（一个具体的数字）

时间复杂度

我们在这里再次明确一下时间复杂度

O(nW)不是真正的多项式时间

因为当w越大,我们就需要更大的空间来存储w这个数

真多项式时间时间复杂度 O(n²) → 相对于输入长度是多项式的

假多项式时间总输入长度 ≈ n + logW

但时间复杂度 O(nW) = O(n × 2^(logW))相对于输入长度是指数级的

旅行售货商问题（TSP）

有n个城市，每两个城市间有距离cij,找一条经过所有城市恰好一次并回到起点的最短环路

定义状态：
f(当前城市, 剩余城市集合, 终点) = 从当前城市出发，经过剩余城市，到达终点的最短距离

假设城市：A, B, C, D，起点是A

第一步：解决最简单的问题

• 从B出发，没有剩余城市，直接回A：距离 = B到A的距离

• 从C出发，没有剩余城市，直接回A：距离 = C到A的距离

• 从D出发，没有剩余城市，直接回A：距离 = D到A的距离

第二步：解决稍复杂的问题

• 路线：B→C→A距离 = B到C的距离 + (C到A的距离)

• 路线：B→D→A距离 = B到D的距离 + (D到A的距离)

第三步：解决更复杂的问题

• 选择1：B→C→D→A = B到C + (C出发，剩D到A)

• 选择2：B→D→C→A = B到D + (D出发，剩C到A)

• 取较短的那个

一次次类推

最后：解决原问题

从A出发，还剩B,C,D：

• 选择1：A→B→(B出发，剩C,D到A)

• 选择2：A→C→(C出发，剩B,D到A)

• 选择3：A→D→(D出发，剩B,C到A)

• 取最短的那个