国家集训队论文集俞玮.doc

《国家集训队论文集俞玮.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基本动态规划问题的扩展应用动态规划可以有效的解决许多问题，其中有许多问题的数学模型，尤其对一些自从57年就开始研究的基本问题所应用的数学模型，都十分精巧。有关这些问题的解法，我们甚至可以视为标准——也就是最优的解法。不过随着问题规模的扩大化，有些模型显出了自身的不足和缺陷。这样，我们就需要进一步优化和改造这些模型。一.程序上的优化：程序上的优化主要依赖问题的特殊性。我们以f(XT>=opt{f(uT>}+A(XT>,uTÎPred_Set(XT>这样的递推方程式为例<其中A(XT>为一个关于XT的确定函

2、数，Pred_Set(XT>表示XT的前趋集）。我们设状态变量XT的维数为t，每个XT与前趋中有e维改变，则我们可以通过方程简单的得到一个时间复杂度为O(nt+e>的算法。b5E2RGbCAP当然，这样的算法并不是最好的算法。为了简化问题，得到一个更好的算法。我们设每个XT所对应的g(XT>=opt{f(uT>}，则f(XT>=g(XT>+A(XT>，问题就变为求g(XT>的值。下面分两个方面讨论这个问题：p1EanqFDPw1.Pred_Set(XT>为连续集：在这样的情况下，我们可以用g(XT>=o

3、pt{g(Pred(XT>>,f(Pred(XT>>}这样一个方程式来求出g(XT>的值，并再用g(XT>的值求出f(XT>的值。这样，虽然我们相当于对g(XT>和f(XT>分别作了一次动态规划，但由于两个规划是同时进行的，时间复杂度却降为了O(nt>。由于我们在实际使用中的前趋即通常都是连续的，故这个方法有很多应用。例如IOI’99的《小花店》一题就可以用该方法把表面上的时间复杂度O(FV2>降为O(FV>。DXDiTa9E3d2.Pred_Set(XT>为与XT有关的集合：这样的问题比较复杂，我们以

4、最长不下降子序列问题为例。规划方程为：f(i>=max{f(j>}+1,d[i]≥d[j]。i>j。通常认为，这个问题的最低可行时间复杂度为O(n2>。不过，这个问题只多了一个d[i]≥d[j]的限制，是不是也可以优化呢？我们注意到max{f(j>}的部分，它的时间复杂度为O(n>。但对于这样的式子，我们通常都可以用一个优先队列来使这个max运算的时间复杂度降至O(logn>。对于该问题，我们也可以用这样的方法。在计算d[i]时，我们要先有一个平衡排序二叉树<例如红黑树）对d[1]~d[i-1]进行排序

5、。并且我们在树的每一个节点新增一个MAX域记录它的左子树中的函数f的最大值。这样，我们在计算f(i>时，只需用O(logn>时间找出不比d[i]大的最大数所对应的节点，并用O(1>的时间访问它的MAX域就可以得出f(i>的值。并且，插入操作和更新MAX域的操作也都只用O(logn>的时间<我们不需要删除操作），故总时间复杂度为O(nlogn>。实际运行时这样的程序也是十分快的，n=10000时用不到1秒就可以得出结果，而原来的程序需要30秒。RTCrpUDGiT从以上的讨论可以看出，再从程序设计上对问题

6、优化时，要尽量减少问题的约束，尽可能的化为情况1。若不可以变为情况1，那么就要仔细考虑数据上的联系，设计好的数据结构来解决问题。5PCzVD7HxA二.方程上的优化：5/5对于方程上的优化，其主要的方法就是通过某些数学结论对方程进行优化，避免不必要的运算。对于某一些特殊的问题，我们可以使用数学分析的方法对写出的方程求最值，这样甚至不用状态之间的递推计算就可以解决问题。不过用该方法解决的问题数量是在有限，并且这个方法也十分复杂。不过，却的确有相当数量的比较一般的问题，在应用某些数学结论后，可以提高程序的效

7、率。jLBHrnAILg一个比较典型的例子是最优排序二叉树问题的算法。但是否会有更有效的算法呢？我们考虑一下w(i,j>的性质。它表示的是结点i到结点j的频率之和。很明显，若有[i,j]Í[i’,j’]，则有w[i,j]£w[i’,j’]，这样可知C[i,j]具有凸性[1]。为了表示方便，我们记Ck(i,j>=w(i,j>+C[i,k-1]+C[k,j]，并用Ki,j表示取到最优值C[i,j]时的Ck(i,j

8、>的k值。我们令k=Ki,j-1，并取i+w(i,j>+C[i,.k-1]+C[i,k’-1]，可得：LDAYtRyKfECk’(i,j-1>+Ck(i,j>£Ck’(i,j>+Ck(i,j-1>由k的定义可知Ck(i,j-1>£Ck’(i,j-1>，故Ck(i,j>£Ck’(i