约 292 个字 37 行代码 6 张图片预计阅读时间 2 分钟

Chap 8 | “Dynamic Programming”

章节启示录

本章节主要介绍了动态规划算法，这个算法应该是算法中的重点，本节课中运用了许多例子进行介绍，但没有系统地讲解背包问题，在这里我想选取几个例子进行分析，然后写一下背包问题的思路与所谓的“模板”。

1.Fibonacci Numbers¶

冗余计算的增长是爆炸性的。

int  Fibonacci ( int N ) 
{   int  i, Last, NextToLast, Answer; 
    if ( N <= 1 )  return  1; 
    Last = NextToLast = 1;    /* F(0) = F(1) = 1 */
    for ( i = 2; i <= N; i++ ) { 
        Answer = Last + NextToLast;   /* F(i) = F(i-1) + F(i-2) */
        NextToLast = Last; Last = Answer;  /* update F(i-1) and F(i-2) */
    }  /* end-for */
    return  Answer; 
    /*T(N)=O(N) */
}

一个改进：矩阵快速幂

先来思考一个简单的问题：计算 \(a^b\) ,正常的思路就是一个一个乘，那么复杂度就是 \(T = O(b)\)

int quickPow(int a,int b)
{
  int ans = 1;/*Initialization */
  while(b)
  {
    if(b % 2 == 1)
      ans = ans * a;
    a = a * a;
    b = b / 2;
  }
  return ans;
}
/*T = O(logb) */

而对于矩阵的乘法，由于其同样满足结合律。可以使用上面的方式。

int MatrixQuick(Matrix A,int B)
{
  Matrix Ans = initialize_1();/*Initialize to E */
  while(B)
  {
    if(B % 2 == 1)/*Qi = 1 */
      Ans = matrixMul(Ans,A);
    A = matrixMul(A,A);/*recursive compute A^(2^i) */
    B = B / 2;
  }
  return Ans;
  /*T(N) = O(a^2*logB) */
}

2.Optimal Binary Search Tree¶

—— The best for static searching (without insertion and deletion)

Given \(N\) words \(w_1 < w_2 < …… < w_N\) , and the probability of searching for each \(w_i\) is \(p_i\) . Arrange these words in a binary search tree in a way that minimize the expected total access time.

参数定义：
\(\large T_{ij}::=OBST\;\;for\;\;w_i,……,w_j\;(i<j)\)
\(\large c_{ij} ::= cost\;\;of\;\;T_{ij}\;( c_{ii} = 0 )\)
\(\large r_{ij} ::= root of T_{ij}\)
\(\large w_{ij} ::= weight\;\;of\;\;T_{ij}=\sum_{k=i}^j p_k( w_{ii} = p_i )\)

复习时的一些补充

Chap 8 | “Dynamic Programming”

1.Fibonacci Numbers¶

2.Optimal Binary Search Tree¶

Comments