一个递归解

  设c[i][j]为Sij中最大兼容子集中的活动数目,当Sij为空集时,c[i][j]=0;当Sij非空时,若ak在Sij的最大兼容子集中被使用,则则问题Sik和Skj的最大兼容子集也被使用,故可得到c[i][j] = c[i][k]+c[k][j]+1。

当i≥j时,Sij必定为空集,否则Sij则需要根据上面提供的公式进行计算,如果找到一个ak,则Sij非空(此时满足fi≤sk且fk≤sj),找不到这样的ak,则Sij为空集。

c[i][j]的完整计算公式如下所示:

动态规划——活动选择问题_i++

 

最优解计算过程

  根据递归公式,采用自底向下的策略进行计算c[i][j],程序实现如下所示:



#include <iostream>
using namespace std;

const int N = 11;
int s[N+2]= {-1,1,3,0,5,3,5,6,8,8,2,12,65535};
int f[N+2]= {-1,4,5,6,7,8,9,10,11,12,13,14,65535};

//trace[i][j]跟踪子问题S(i,j)每次最优时的划分
int trace[N+2][N+2];

//dp[i][j]表示子问题S(i,j)的最多兼容活动数
int dp[N+2][N+2];

/*S(i,j)={ak,fi<=sk<fk<=sj}表示在活动ai结束之后,在aj开始之前的活动集,则整个问题空间可表示为S(0,n+1),
*其中添加活动a0和an+1,s0=f0=0,sn+1=fn+1=2^32-1
*根据dp[i][j]的含义,假设S(i,j)中不包含任何的活动序列(即满足S(i,j)定义的活动不存在),则dp[i][j]=0;
*否则,假设ak时S(i,j)中存在的一个兼容活动,那
*么这里存在问题S(i,j)的最优子结构:S(i,k)和S(k,j).
*根据上面叙述,可以定义问题的递归解结构:
*dp[i][j]=0,如果S(i,j) =NULL
*dp[i][j]=max{dp[i][k]+dp[k][j]+1},i<k<j
*/
void dp_solve()
{
int i =0;
int j = 0;
int l = 0;
int k = 0;
for(i=1; i<=N+1; i++)
for(j=1; j<=N+1; j++)
if(i==j)
dp[i][j]=1;
dp[0][0] = dp[N+1][N+1] = 0;
for(l=1; l<N+2; l++)
for(i=0; i+l<N+2; i++)
{
j=i+l;
if(j<N+2)
{
dp[i][j] = 0;
trace[i][j] = 0;
for(k=i+1; k<j; k++)
{
if(f[i]<=s[k] && f[k]<=s[j])//寻找是dp[i][k]+dp[k][j]最大的值
{
if(dp[i][k] + dp[k][j]+1 > dp[i][j])
{
dp[i][j] = dp[i][k]+dp[k][j] +1;
trace[i][j] = k;
}
}
}
}
}
}
void print(int i,int j)
{
int k =0;
if(trace[i][j]==0)
return;
k = trace[i][j];
cout << k << " ";
print(i,k);
print(k,j);
}

int main()
{
dp_solve();
print(0,N+1);
cout<<endl;
int i,j;
cout<<"dp matrix:"<<endl;
for(i=0; i<=N+1; i++)
{
for(j=0; j<=N+1; j++)
cout<<dp[i][j]<<" ";
cout<<endl;
}
cout<<"trace matrix:"<<endl;
for(i=0; i<=N+1; i++)
{
for(j=0; j<=N+1; j++)
cout<<trace[i][j]<<" ";
cout<<endl;
}
return 0;
}


运行结果:

动态规划——活动选择问题_子结构_02