Презентация "Динамическое программирование. Примеры задач"

Подписи к слайдам:
Динамическое программирование. Примеры задач
  • Федор Царев
  • Спецкурс «Олимпиадное программирование»
  • Лекция 5
  • 13.04.2009
  • Санкт-Петербург, Гимназия 261
Цель лекции
  • Изучить еще несколько примеров задач, решаемых с помощью динамического программирования, и их решения
Признаки возможности применения ДП
  • Возможность разбиения задачи на подзадачи (метод «разделяй-и-властвуй»)
  • Наличие свойства оптимальности для подзадач – оптимальный ответ для большой задачи строится на основе оптимальных ответов для меньших
  • Наличие перекрывающихся подзадач
Этапы решения задачи методом динамического программирования
  • Разбиение задачи на подзадачи
  • Построение рекуррентной формулы для вычисления значения функции (включая начальные условия)
  • Вычисление значения функции для всех подзадач (важен порядок вычисления)
  • Восстановление структуры оптимального ответа
Наибольшая возрастающая подпоследовательность
  • Задана последовательность чисел a1, a2, …, an
  • Необходимо найти возрастающую подпоследовательность наибольшей длины
  • 1 5 3 7 1 4 10 15
Перебор?
  • Число различных подпоследовательностей: (2n – 1)
  • Можно применять для n ≤ 20
  • 1 2 3
  • 1
  • 2
  • 3
  • 1 2
  • 1 3
  • 2 3
  • 1 2 3
Разбиение на подзадачи
  • Идея: найти наибольшую возрастающую подпоследовательность среди первых i элементов: a1, a2, …, ai
  • Попробуйте построить рекуррентную формулу
  • Более точно: найти наибольшую возрастающую подпоследовательность среди первых i элементов: a1, a2, …, ai, последний элемент в которой - ai
Рекуррентная формула
  • d[i] – длина наибольшей возрастающей подпоследовательности, которая заканчивается в ai
  • Считается, что максимум равен нулю, если таких индексов j нет
Начальные условия
  • Можно сделать немного проще
  • Считаем, что в начало добавлен a0=–∞, а d[0] = 0
  • Теперь можно не делать никаких предположений, так как всегда найдется некоторый индекс j
Пример (1) Пример (2) Пример (3) Пример (4) Пример (5) Пример (6) Пример (7) Пример (8) Пример (9) Программа
  • d[0] := 0;
  • for i := 1 to n do begin
  • max := 0;
  • for j := 1 to i – 1 do begin
  • if (a[j] < a[i]) and
  • (d[j] > max) then begin
  • max := d[j];
  • end;
  • end;
  • d[i] := max + 1;
  • end;
Восстановление ответа
  • Где находится длина L наибольшей возрастающей подпоследовательности?
  • L := 0;
  • pos := -1;
  • for i := 1 to n do begin
  • if (d[i] > max) then begin
  • max := d[i];
  • pos := i;
  • end;
  • end;
Вычисление с сохранением информации для восстановления ответа
  • d[0] := 0;
  • prev[0] := -1;
  • for i := 1 to n do begin
  • max := 0;
  • bestj := -1;
  • for j := 1 to i – 1 do begin
  • if (a[j] < a[i]) and
  • (d[j] > max) then begin
  • max := d[j];
  • bestj := j;
  • end;
  • end;
  • d[i] := max + 1;
  • prev[i] := bestj;
  • end;
Восстановление ответа
  • procedure restore(i : integer);
  • begin
  • if (i > 0) then begin
  • restore(prev[i]);
  • write(a[i]);
  • end;
  • end;
Пример
  • 1 3 4 10 15
Время работы
  • Время работы этого алгоритма – O(n2)
  • Можно ли быстрее?
Более быстрый алгоритм
  • Похоже, что от вычисления d[i] никуда не деться
  • Попробуем вычислять d[i] быстрее
  • Пусть last[i] – минимальное последнее число в возрастающей подпоследовательности длины i
Свойство массива last
  • Этот массив является неубывающим
  • Действительно, пусть i < j, но last[i] > last[j]
  • Из подпоследовательности длины i можно сделать подпоследовательность длины j, поэтому last[j] ≤ last[i] (last[j] – минимальный, last[i] – некоторый)
Вычисление d[i]
  • Находим место в массиве last, на которое следует поставить a[i] – такую позицию j, что last[j-1] < a[i] ≤ last[j]
  • Это означает, что максимальная длина подпоследовательности, которая заканчивается в a[i] есть j (d[i] = j)
  • Позицию j надо искать с помощью двоичного поиска
  • Время работы алгоритма – O(nlogn)
Упражнения
  • Продумать, как сохранять информацию для восстановления ответа
  • Реализовать этот алгоритм
Задача о рюкзаке
  • Есть рюкзак вместимостью W и n предметов, каждый из которых характеризуется ценностью pi и весом wi
  • Необходимо выбрать несколько предметов так, чтобы их суммарная ценность была максимальна, а суммарный вес не превышал W
Разбиение на подзадачи
  • Два параметра – число обработанных предметов и вместимость рюкзака
  • c[i][j] – максимальная суммарная стоимость, которую можно набрать первыми i предметами так, чтобы их вес не превосходил j
Рекуррентная формула
  • Очередной предмет можно либо взять, либо не взять
Начальные условия
  • c[0][j] = 0 для j=0…W
  • c[i][0] = 0 для i=0…n
Два способа реализации
  • Метод заполнения таблицы можно реализовать двумя способами
    • «Динамика назад» (этот метод использовался во всех рассмотренных задачах)
    • «Динамика вперед»
«Динамика вперед»
  • for i := 0 to n do begin
  • for j := 0 to W do begin
  • c[i][j] := -INF;
  • end;
  • end;
  • for i := 0 to n – 1 do begin
  • for j := 0 to W do begin
  • if (c[i][j] = -INF) then continue;
  • c[i+1][j]:=max(c[i][j], c[i+1][j]);
  • if (j + w[i + 1] <= W) then begin
  • c[i + 1][j + w[i + 1]] = max(c[i][j] + p[i+1],
  • c[i + 1][j + w[i + 1]]);
  • end;
  • end;
  • end;
  • Не осуществляются переходы
  • из недостижимых состояний
Восстановление ответа
  • Необходимо запоминать для каждого состояния (i, j) надо ли брать очередной предмет
  • Реализуйте сами!
Время работы алгоритма
  • Время работы этого алгоритма – O(nW)
  • Таким образом, он применим только для относительно небольших значений весов предметов
Упражнения
  • Решите задачу о рюкзаке для случая, когда имеется неограниченное число предметов каждого типа
  • Решите задачу о рюкзаке для случая, когда предметы можно брать не полностью (не золотые слитки, а золотой песок)
  • Решите смешанную задачу о рюкзаке – часть предметов можно брать только полностью, а остальные – можно и не полностью
Оптимальная триангуляция многоугольника
  • Задан выпуклый многоугольник
  • Необходимо разбить его на треугольники, проведя несколько диагоналей
  • Суммарный периметр треугольников должен быть как можно меньшим
  • Кстати, сколько придется провести диагоналей, если в многоугольнике N углов?
Нумерация вершин многоугольника
  • Вершины (n+1)-угольника нумеруются числами от 0 до n
  • При этом когда говорится о вершине «номер k» имеется в виду вершина «номер k mod n» (то есть vn=v0, …)
Разбиение на подзадачи
  • После вырезания одного треугольника, многоугольника распадается на два, которые можно рассматривать отдельно
Строение оптимального решения
  • Рассмотрим оптимальную триангуляцию заданного (n+1)-угольника v0,v1, …, vn
  • Ребро v0vn входит в некоторый треугольник
  • Пусть это треугольник v0vnvk
  • Тогда стоимость триангуляции равна
    • Стоимость этого треугольника +
    • Стоимость триангуляции v0, v1, …, vk +
    • Стоимость триангуляции vk, vk+1, …, vn
Рекуррентная формула
  • d[i][j] – минимальная стоимость триангуляции многоугольника vi-1…vj (1≤i<j≤n)
  • Ответ находится в d[1][n]
  • Начальные условия:
    • d[i][i] = 0
    • d[i][j] = -∞ при i > j
Восстановление ответа
  • Для каждой подзадачи необходимо запомнить оптимальное значение числа k
  • Реализуйте самостоятельно!
Упражнения
  • Пусть стоимостью треугольника считается его площадь. Как найти оптимальную триангуляцию?
  • Пусть необходимо минимизировать суммарную длину проведенных диагоналей. Как найти оптимальную триангуляцию в этом случае?
Выводы
  • Рассмотрены три примера задач, решаемых методом динамического программирования
  • Метод заполнения таблицы может быть реализован двумя способами – «динамика вперед» и «динамика назад»
  • Необходимо следить за тем, чтобы не выполнялись переходы из недостижимых состояний
Спасибо за внимание!