動態規劃之最優二叉搜尋樹

在看這張之前，最好看看我寫的

動態規劃詳解

，裡面都是講理論基礎，我下面的分析都是在此基礎上進展的。

給定乙個由n個互異的關鍵字組成的序列k = (k1, k2, ……， kn）,且關鍵字有序（因此有k1 < k2 < …… < kn)，從這些關鍵字中構造一棵二叉查詢樹。對每個關鍵字ki，一次搜尋為ki的概率是pi。某些搜尋的值可能不在k內，因此還有n + 1個「虛擬鍵」d0, d1, d2, ……dn代表不在k內的值，且ki ≤ di ≤ k(i+1)，di概率為qi。

因為搜尋每個關鍵字的概率不同，因此最優二叉查詢樹即一棵期望搜尋代價最小的二叉查詢樹。

從下圖a), b)中可以看出，最優二叉查詢樹並不是高度最低的樹，因為第一棵樹期望是2.80，而第二棵是2.75。公式(15.10)顯而易見。

假設一次搜尋的實際代價為檢查的結點個數，亦即，在t內搜尋所發現的結點的深度加上1（這裡深度從0開始算），所以一次搜尋的期望代價為公式(15.11)，期望 = 深度 * 概率。

下面依舊用dp的四個步驟來分析：

①.描述最優解的結構。

基本原則：從n下手，找遞迴。

與小的分組產生遞迴，可否從n個結點中任選一點？可以，因為我們要考察以不同結點為根的情況，所以可以假定任何乙個元素為根節點。由於我們要構造的是二叉查詢樹，左子樹小於根，根小於右子樹，排列有一定的規律。比如我們選擇了k為根節點，那麼p的1→k-1以及q的0→k-1都在k結點的左邊，其餘都在k結點的右邊。我們對1→k-1再進行選取中間節點i遞迴的進行時發現，分成了1→i-1和i+1→k-1，資料的表示範圍左右都在變化。因此設定二維陣列e[i,j]來表示概率和。

②.遞迴定義最優解的值。

我們在i...j中選取任意一點k為根節點，兩邊的分別構成左右子樹，這裡我們強調一下，為了簡便，將e[i,j]設定為一棵完整的樹，其根節點就表示樹根，不是某棵樹的子樹根，而其深度的差異包含在父節點劃分子結構的代價裡面。我們可以寫出e[i,j]=e[i,k-1]+e[k+1,j]+w(i,j)。這裡的w(i,j)如何求？不僅包含了根節點k的概率，還包含了由於i...k-1和k+1...j因為深度加1。當一棵樹成為乙個結點的子樹時，它的搜尋代價的變化：子樹中每個結點的深度增加1，由公式（15.11），這個子樹的期望搜尋代價增加為子樹中所有概率的總和。因此w(i,j)=pi+...pj + qi-1 +...+qj。

考慮邊界條件，由於q為未找到的概率，當i=j時表示查詢到，當j=i-1時表示未找到。所以邊界條件為j=i-1時，e[i,j]=qi-1。

但是這裡必須注意，我們設二維陣列時必須考察陣列的範圍，因為q由0...n，必須能夠滿足讓i>j。把e[i, j]儲存在表e[1……n + 1, 0……n], 第一維的下標需要達到n + 1而不是n，原因是為了有乙個只包含虛擬鍵dn的子樹，需要計算和儲存e[n + 1, n]。

③.按自底而上的方式計算最優解的值。

再考慮如何自底向上求解。由於r在i...j內變動，其範圍也是有長度決定的，類似於矩陣鏈相乘。所以對e[i,j]遍歷的時候按照長度來算。為了尋求進一步的優化，也可以對w[i,j]進行自底向上。w[i,j]=w[i,j-1]+pj+qj。當j=i-1時，w=qi-1。

④.由計算出的結果創造乙個最優解。

為了能夠重構最優解，儲存分割點r，因此設定同樣的二維陣列root[1...n+1,0...n]

，當遍歷時更新e[i,j]時一同更新root[i,j]=r。

第5, 6行兩層迴圈：

第一次迭代中，l = 1, 迴圈計算e[i, i]和w[i, i]，對於i = 1, 2, ……, n。

第二次迭代中，l = 2, 迴圈計算e[i, i + 1]和w[i, i + 1], 對於i = 1, 2, ……, n – 1；

第三次迭代中, l = 3, 迴圈計算e[i, i + 2]和w[i, i + 2], 對於i = 1, 2, ……, n – 2；

如果觀察下邊圖，可以發現，它是自底向上一層一層往上迭代。看似像樹的分布實際上是由表旋轉而來，原來的可以看箭頭所指的圖（旋轉了45°), 9~13行即利用(15.14)的公式跟新root和e，類似文章剛開始的數塔。

**實現：

/*
e[i][j] :
0.05 0.45 0.90 1.25 1.75 2.75
0.10 0.40 0.70 1.20 2.00
0.05 0.25 0.60 1.30
0.05 0.30 0.90
0.05 0.50
0.10
w[i][j]：
0.05 0.30 0.45 0.55 0.70 1.00
0.10 0.25 0.35 0.50 0.80
0.05 0.15 0.30 0.60
0.05 0.20 0.50
0.05 0.35
0.10
root[i][j]:
1 1 2 2 4
2 2 2 4
3 4 5
4 55
*/#include#include#includeusing namespace std;
//以5個元素為例 
//k1 < k2 < k3 < k4 < k5
double p[6] = ;
double q[6] = ;
double e[10][10], w[10][10];
int  root[10][10];
const int n = 5;
void optimalbst(int n) 
for (int l = 1; l <= n; l++) 
}//for(r) 
}//for(i) 
}//for(l) } 
int main()  
printf("%.2f ", e[i][j]);
}puts("");
}puts("\nw[i][j]："); 
for (int i = 1; i <= 6; i++)  
printf("%.2f ", w[i][j]);
}puts("");
}puts("\nroot[i][j]:");
for (int i = 1; i <= 5; i++)  
printf("%d ", root[i][j]);
}puts("");
}return 0;
}

動態規劃之最優二叉搜尋樹

動態規劃之最優二叉搜尋樹

動態規劃之最優二叉搜尋樹

動態規劃之最優二叉搜尋樹（演算法導論）

相關推薦