算法基础:动态规划
基本概念
从数学的视角来看,动态规划是一种运筹学方法,是在多轮决策过程中的最优方法。
动态规划与分治法的区别是:从分治法的视角来看,每个子问题必须相互独立;但在多轮决策中,这个假设显然不成立,而多轮决策就用到了动态规划方法。
多轮决策和动态规划:
- 策略,每轮的动作是决策,多轮决策合在一起常常被称为策略。
- 策略集合,由于每轮的决策动作都是一个变量,这就导致合在一起的策略也是一个变量。我们通常会称所有可能的策略为策略集合。因此,动态规划的目标,也可以说是从策略集合中,找到最优的那个策略。
算法思想
动态规划的解题方法没有那么标准化,它因题而异,需要仔细分析问题并寻找解决方案。
动态规划有宏观层面通用的方法论:
- 分阶段,将原问题划分成几个子问题。一个子问题就是多轮决策的一个阶段,它们可以是不满足独立性的。
- 找状态,选择合适的状态变量。它需要具备描述多轮决策过程的演变,更像是决策可能的结果。
- 做决策,确定决策变量。每一轮的决策就是每一轮可能的决策动作。
- 状态转移方程。这个步骤是动态规划最重要的核心。
- 定目标。写出代表多轮决策目标的指标函数。
- 寻找终止条件。
具有如下几个特征的问题,可以采用动态规划求解:
- 最优子结构。它的含义是,原问题的最优解所包括的子问题的解也是最优的。例如,某个策略使得 A 到 G 是最优的。假设它途径了 Fi,那么它从 A 到 Fi 也一定是最优的。
- 无后效性。某阶段的决策,无法影响先前的状态。可以理解为今天的动作改变不了历史。
- 有重叠子问题。也就是,子问题之间不独立。这个性质是动态规划区别于分治法的条件。如果原问题不满足这个特征,也是可以用动态规划求解的,但这样就是小题大做了。
案例
一个非常典型的例子,最短路径问题。每个结点是一个位置,每条边是两个位置之间的距离。如下图所示,寻找结点 A 到结点 G 的最短距离。
可以看到,需要求解的路线是由 A 到 G,这就意味着 A 要先到 B,再到 C,再到 D,再到 E,再到 F。每一轮都需要做不同的决策,而每次的决策又依赖上一轮决策的结果。
例如,做 D2 -> E
的决策时,D2 -> E2
的距离为 1,最短。但这轮的决策,基于的假设是从 D2 出发,这就意味着前面一轮的决策结果是 D2。由此可见,相邻两轮的决策结果并不是独立的。
动态规划还有一个重要概念叫作状态。在这个例子中,状态是个变量,而且受决策动作的影响。例如,第一轮决策的状态是 S1,可选的值是 A,第二轮决策的状态是 S2,可选的值就是 B1 和 B2。以此类推。
解题步骤思路
- 分阶段:从 A 到 G,可以拆分为
A -> B
、B -> C
、C -> D
、D -> E
、E -> F
、F -> G
,6 个阶段。 - 找状态:第一轮的状态 S1 = A,第二轮 S2 = {B1,B2},第三轮 S3 = {C1,C2,C3,C4},第四轮 S4 = {D1,D2,D3},第五轮 S5 = {E1,E2,E3},第六轮 S6 = {F1,F2},第七轮 S7 = {G}。
- 做决策:决策变量就是上面图中的每条边。以第四轮决策 D -> E 为例来看,可以得到 u4(D1),u4(D2),u4(D3)。其中 u4(D1) 的可能结果是 E1 和 E2。
- 写出状态转移方程:
- 定目标:目标是总距离最短。定义
dk(sk,uk)
是在sk
时,选择uk
动作的距离,如 d5(E1,F1) = 3。本题为 n = 7,则有如下为最终要优化的目标:
- 寻找终止条件:起止条件分别是,s1 = A 和 s7 = G。
接下来把所有的已知条件凝练为上面的符号之后,只需要借助最优子结构,就可以把问题解决了。最优子结构的含义是,原问题的最优解所包括的子问题的解也是最优的。
如果 A -> ... -> F1 -> G
是全局 A 到 G 最优的路径,那么此处 A -> ... -> F1
也是 A 到 F1 的最优路径。此时,优化目标的含义为,从 A 到 G 的最短路径,是 A 到 F1 到 G 的路径和 A 到 F2 到 G 的路径中更短的那个。
最终输出路径为 A -> B1 -> C2 -> D1 -> E2 -> F2 -> G
,最短距离为 18。
代码实现
对于输入的图,可以采用一个 m x m 的二维数组来保存。在这个二维数组里,m 等于全部的结点数,也就是结点与结点的关系图。而数组每个元素的数值,定义为结点到结点需要的距离。
public class testpath {
public static int minPath(int[][] matrix) {
return process(matrix, matrix[0].length-1);
}
// 递归
public static int process(int[][] matrix, int i) {
// 到达A退出递归
if (i == 0) {
return 0;
}
// 状态转移
else{
int distance = 999;
for(int j=0; j<i; j++){
if(matrix[j][i]!=0){
int d_tmp = matrix[j][i] + process(matrix, j);
if (d_tmp < distance){
distance = d_tmp;
}
}
}
return distance;
}
}
public static void main(String[] args) {
int[][] m = {
{0,5,3,0,0,0,0,0,0,0,0,0,0,0,0,0},
{0,0,0,1,3,6,0,0,0,0,0,0,0,0,0,0},
{0,0,0,0,8,7,6,0,0,0,0,0,0,0,0,0},
{0,0,0,0,0,0,0,6,8,0,0,0,0,0,0,0},
{0,0,0,0,0,0,0,3,5,0,0,0,0,0,0,0},
{0,0,0,0,0,0,0,0,3,3,0,0,0,0,0,0},
{0,0,0,0,0,0,0,0,8,4,0,0,0,0,0,0},
{0,0,0,0,0,0,0,0,0,0,2,2,0,0,0,0},
{0,0,0,0,0,0,0,0,0,0,0,1,2,0,0,0},
{0,0,0,0,0,0,0,0,0,0,0,3,3,0,0,0},
{0,0,0,0,0,0,0,0,0,0,0,0,0,3,5,0},
{0,0,0,0,0,0,0,0,0,0,0,0,0,5,2,0},
{0,0,0,0,0,0,0,0,0,0,0,0,0,6,6,0},
{0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,4},
{0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,3}
};
System.out.println(minPath(m));
}
}
代码解读
在代码中定义了二维数组 m,对应于输入的距离图。m 是 15 x 16 维的,忽略了最后一行的全 0(即使输入也不会影响结果)。
然后调用函数 minPath
。它的内部又调用了 process(matrix, matrix[0].length-1)
。在这里,matrix[0].length-1
的值是 15,表示的含义是 matrix 数组的第 16 列(G)是目的地。
接着进入 process
函数中。在动态规划的过程中,是从后往前不断地推进结果,这就是状态转移的过程。
经过运行,这段代码的输出结果是 18,这与手动的推导结果一致。
总结
动态规划并不简单,动态规划的适用范围也没有那么广。如果不是专门从事运筹优化领域的工作,对它不了解也正常。如果求职的岗位与运筹优化关系不大,一般而言被面试到动态规划的可能性也是极低的。
- 并查集Union-find及其在最小生成树中的应用
- go 语言的库文件放在哪里?如何通过nginx代理后还能正确获取远程地址
- 离线Tarjan算法-最近公共祖先问题
- Java文件上传下载实训
- 【网络编程系列】二:socket通信原理及实践
- textrank算法原理与提取关键词、自动提取摘要PYTHON
- 【网络编程系列】一:字节顺序的大端与小端表示法
- Linux下的make命令用法
- 增量数据丢失的原因分析(三)(r8笔记第91天)
- JS之浏览器对象BOM
- 超清晰的makefile解释、编写与示例
- 一个简单的sql审核案例 (r8笔记第90天)
- Linux wait() 和 waitpid()函数介绍
- #if和#ifdef的区别
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- docker 中的mysql 经常重启优化
- python MultipartEncoder传输zip文件实例
- 当Flutter遇到节流与防抖的思路和流程优化
- 花样使用Handler与源码分析
- 几个你不知道的Git小命令,却收获快乐。
- Flutter路由的跳转、动画和传参详解(最简单)
- ObjectAnimator属性动画源码分析篇
- 谈谈 React 5种最流行的状态管理库
- Android动态时钟壁纸开发
- Python读取配置文件(config.ini)以及写入配置文件
- Django {{ MEDIA_URL }}无法显示图片的解决方式
- python将音频进行变速的操作方法
- 解决django的template中如果无法引用MEDIA_URL问题
- 从源码解读 - Vue常考面试题
- Android PickerView实现三级联动效果