运筹学第10章 动态规划
运筹学教案动态规划
运筹学教案动态规划一、教学目标1. 了解动态规划的基本概念及其在运筹学中的应用。
2. 掌握动态规划的基本原理和方法，能够解决实际问题。
3. 学会使用动态规划解决最优化问题，提高解决问题的效率。
二、教学内容1. 动态规划的基本概念动态规划的定义动态规划与分治法的区别2. 动态规划的基本原理最优解的性质状态转移方程边界条件3. 动态规划的方法递推法迭代法表格法4. 动态规划的应用背包问题最长公共子序列最短路径问题三、教学方法1. 讲授法：讲解动态规划的基本概念、原理和方法。
2. 案例分析法：分析实际问题，引导学生运用动态规划解决问题。
3. 编程实践法：让学生动手编写代码，加深对动态规划方法的理解。
四、教学准备1. 教材：《运筹学导论》或相关教材。
2. 课件：动态规划的基本概念、原理、方法及应用案例。
3. 编程环境：为学生提供编程实践的平台，如Python、C++等。
五、教学过程1. 引入：通过一个实际问题，引出动态规划的概念。
2. 讲解：讲解动态规划的基本原理和方法。
3. 案例分析：分析实际问题，展示动态规划的应用。
4. 编程实践：让学生动手解决实际问题，巩固动态规划方法。
5. 总结：对本节课的内容进行总结，强调动态规划的关键要点。
6. 作业布置：布置相关练习题，巩固所学知识。
六、教学评估1. 课堂讲解：评估学生对动态规划基本概念、原理和方法的理解程度。
2. 案例分析：评估学生运用动态规划解决实际问题的能力。
3. 编程实践：评估学生动手实现动态规划算法的能力。
4. 课后作业：评估学生对课堂所学知识的掌握情况。
七、教学拓展1. 研究动态规划与其他优化方法的联系与区别。
2. 探讨动态规划在运筹学其他领域的应用，如库存管理、生产计划等。
3. 了解动态规划在、数据挖掘等领域的应用。
八、教学反思1. 反思本节课的教学内容、方法和过程，确保符合教学目标。
2. 考虑学生的反馈，调整教学方法和节奏，提高教学效果。
3. 探讨如何将动态规划与其他运筹学方法相结合，提高解决问题的综合能力。
运筹学动态规划PPT
动态决策问题的特点： 系统所处的状态和时刻是进行决策的重要因素； 即在系统发展的不同时刻（或阶段）根据系统 所处的状态，不断地做出决策； 找到不同时刻的最优决策以及整个过程的最优策略。
多阶段决策问题： 是动态决策问题的一种特殊形式； 在多阶段决策过程中,系统的动态过程可以按照时间 进程分为状态相互联系而又相互区别的各个阶段； 每个阶段都要进行决策,目的是使整个过程的决策 达到最优效果。
3 2 A 4 B2 B1 2 3 1 3 1
C1 C2 4 3
1 D
C3
最短路线为
A→B1→C1 →D
3 1
解：整个计算过程分三个阶段，从最后一个阶段开始。
第一阶段（C →D）： C 有三条路线到终点D 。
显然有 f1 (C1 ) = 1 ； f1(C2 ) = 3 ； f1 (C3 ) = 4
3
2 A 4 B2 B1 2 1 3
C1
C2 4 C3 3
1 D
3 1
第二阶段（B →C）： B 到C 有六条路线。
4、确定状态转移方程
根据k 阶段状态变量和决策变量，写出k+1阶段状态变 量，状态转移方程应当具有递推关系。
5、确定阶段指标函数和最优指标函数，建立动态规 划基本方程
阶段指标函数是指第k 阶段的收益，最优指标函数是 指从第k 阶段状态出发到第n 阶段末所获得收益的最优 值，最后写出动态规划基本方程。 以上五步是建立动态规划数学模型的一般步骤。由于动 态规划模型与线性规划模型不同，动态规划模型没有统一 的模式，建模时必须根据具体问题具体分析，只有通过不 断实践总结，才能较好掌握建模方法与技巧。
2、在多阶段决策过程中，动态规划方法是既把当前 一段和未来一段分开，又把当前效益和未来效益结合 起来考虑的一种最优化方法。因此，每段决策的选取 是从全局来考虑的，与该段的最优选择答案一般是不 同的. 3、在求整个问题的最优策略时，由于初始状态是 已知的，而每段的决策都是该段状态的函数，故最优 策略所经过的各段状态便可逐段变换得到，从而确定 了最优路线。 最优化原理：作为整个过程的最优策略具有这样的 性质：无论过去的状态和决策如何，相对于前面的决 策所形成的状态而言，余下的决策序列必然构成最优 子策略。”也就是说，一个最优策略的子策略也是最 优的。
动态规划原理
动态规划原理
动态规划是一种解决复杂问题的算法思想。
它通过将问题分解成较小的子问题，并通过寻找子问题的最优解来解决整体问题。
动态规划的核心思想是将整体问题拆分成多个重叠子问题，在解决子问题的过程中记录下每个子问题的解。
这样一来，当我们需要求解更大规模的子问题时，可以直接利用已经计算出的子问题解，避免重复计算，提高算法效率。
其中，动态规划的关键步骤包括定义状态、设计状态转移方程和确定边界条件。
首先，我们需要确定问题的状态。
状态可以理解为问题的属性，它描述了问题在不同阶段、不同状态下的特征。
在动态规划中，我们将问题的状态表示成一个或多个变量，用于描述问题的特征。
接着，我们需要设计状态转移方程。
状态转移方程描述了子问题之间的联系和转移规律。
它通过将问题的解与子问题的解联系起来，建立起子问题与整体问题的关系。
通过推导状态转移方程，我们可以由已知的子问题解计算出更大规模的问题解。
最后，我们需要确定边界条件。
边界条件表示问题的终止条件，它是最小规模子问题的解。
边界条件是问题求解的起点，也是递归求解过程的出口。
通过依次求解子问题，并利用已经计算过的子问题解，动态规
划可以高效地解决复杂问题，并得到全局最优解。
因此，它在解决优化问题、序列问题、最短路径问题等方面有着广泛的应用。
动态规划 运筹学 例题
动态规划运筹学例题动态规划是运筹学中常用的一种优化技术，它利用规划、三角函数和其他数学技术来解决日常生活中的各种问题，比如最优路线问题、最优资源分配问题、最优出行路线问题等。
本文将通过一个例题，来介绍动态规划的基本思想，以及如何利用动态规划来解决问题。
例题一：已知一条路线，由A点到B点，有N个途经的节点，每个节点之间的距离已知。
求从A到B的最短路线。
按照动态规划的思想，首先将该问题分解为若干个子问题，并根据子问题的解来解决原问题，这种分解和解决问题的方式称为动态规划。
对于上面的问题，可以将其分解为N个子问题，分别是从A到第1个节点、从第1个节点到第2个节点、从第2个节点到第3个节点，以此类推，最后一个子问题是从第N-1个节点到B点的最短路程。
将上面的N个子问题中，从第i个节点到B点的最短路程记为d[i]，由于从第i个节点到B点可能经过i+1、i+2、……、N-1节点，因此要找到d[i]，只需要找到经过i+1、i+2、……、N-1节点的最短路程即可，即求d[i]=Min{d[i+1]+length[i][i+1],d[i+2]+length[i][i+2],…,d[N-1]+length[i][N-1]}，其中length[i][j]是第i个节点到第j个节点的距离。
以上就是动态规划的解题步骤，它能将原问题分解成若干个子问题，并找到最优解。
对于本例来说，通过上述步骤，就可以得到从A 到B的最短路程。
这种分解和求解问题的方法是动态规划，可以用来解决许多类似的问题，如：1）最优路线问题；2）旅行推销员问题；3）硬币找零问题。
动态规划的一大特点是，他能很好地将问题分解为多个子问题，并能从子问题的解中求解出最优解。
总之，动态规划是一种很有用的优化技术，它可以有效解决各种运筹学问题。
它不仅可以帮助我们解决许多具体问题，而且还能使我们更好地理解问题及其解法。
第10章 动态规划
管理运筹学
7
缺点
①没有统一的处理方法，求解时要根据问题的 性质，结合多种数学技巧。因此实践经验及 创造性思维将起重要的引导作用；
②“维数障碍”，当变量个数太多时，由于计 算机内存和速度的限制导致问题无法解决。 有些问题由于涉及的函数没有理想的性质使 问题只能用动态规划描述，而不能用动态规 划方法求解。
盈利 工厂 设备台数
0 1 2
3 4 5
甲厂
0 3 7 9 12 13
乙厂
0 5 10 11 11 11
管理运筹学
29
第一阶段：只有1个始点A，终点有B1,B2,B3,B4 。对始点和终 点进行分析和讨论分别求A到B1,B2,B3,B4的最短路径问题：
表10-4
本阶段始 点(状态)
A
阶段1 本阶段各终点（决策）
B1
B2
B3
B4
4+12=16 3+13=16 3+14=17 2+12=14
到E的最 本阶段最优终 短距离 点(最优决策)
第四阶段：两个始点D1和D2，终点只有一个；
表10-1
阶段4
本阶段始点 本阶段各终点（决策） 到E的最短距离
（状态）
E
D1
10
10
D2
6
6
分析得知：从D1和D2到E的最短路径唯一。
本阶段最优终点 （最优决策)
E E
管理运筹学
27
第三阶段：有三个始点C1，C2，C3，终点有D1，D2，对始点
和终点进行分析和讨论分别求C1，C2，C3到D1，D2 的最短路
运筹学教案动态规划
运筹学教案动态规划一、引言1.1 课程背景本课程旨在帮助学生掌握运筹学中的动态规划方法，培养学生解决实际问题的能力。
1.2 课程目标通过本课程的学习，学生将能够：（1）理解动态规划的基本概念和原理；（2）掌握动态规划解决问题的方法和步骤；（3）能够应用动态规划解决实际问题。
二、动态规划基本概念2.1 定义动态规划（Dynamic Programming，DP）是一种求解最优化问题的方法，它将复杂问题分解为简单子问题，并通过求解子问题的最优解来得到原问题的最优解。
2.2 特点（1）最优子结构：问题的最优解包含其子问题的最优解；（2）重叠子问题：问题中含有重复子问题；（3）无后效性：一旦某个给定子问题的解确定了，就不会再改变；（4）子问题划分：问题可以分解为若干个子问题，且子问题之间是相互独立的。
三、动态规划解决问题步骤3.1 定义状态状态是指某一阶段问题的一个描述，可以用一组变量来表示。
3.2 建立状态转移方程状态转移方程是描述从一个状态到另一个状态的转换关系。
3.3 确定边界条件边界条件是指初始状态和最终状态的取值。
3.4 求解最优解根据状态转移方程和边界条件，求解最优解。
四、动态规划应用实例4.1 0-1背包问题问题描述：给定n个物品，每个物品有一个重量和一个价值，背包的最大容量为W，如何选择装入背包的物品，使得背包内物品的总价值最大。
4.2 最长公共子序列问题描述：给定两个序列，求它们的最长公共子序列。
4.3 最短路径问题问题描述：给定一个加权无向图，求从源点到其他各顶点的最短路径。
5.1 动态规划的基本概念和原理5.2 动态规划解决问题的步骤5.3 动态规划在实际问题中的应用教学方法：本课程采用讲授、案例分析、上机实践相结合的教学方法，帮助学生深入理解和掌握动态规划方法。
教学评估：课程结束后，通过课堂讨论、上机考试等方式对学生的学习情况进行评估。
六、动态规划算法设计6.1 动态规划算法框架介绍动态规划算法的基本框架，包括状态定义、状态转移方程、边界条件、计算顺序等。
运筹学复习资料
试题结构：1、判断题（10×2`）2、单选题（10×2`）3、多选题（5 ×2`）4、计算题（5×10`）（第三、五、七、十一、十三章有计算题）第一张：绪论1.定义：运筹学是应用分析、试验、量化的方法，对经济管理系统中人力、物力、财力等资源进行统筹安排，为管理者提供有依据的最优方案，以实现最有效的管理。
2.研究内容：线性规划、整数线性规划、目标规划、图与网络模型、存储论、排队论、对策论、排序与统筹方法、决策分析、动态规划、预测3.运用运筹学解决问题的一般过程（课件答案）（课本答案）规定目标和明确问题认清问题收集数据和建立模型找出一些可供选择的方案求解模型和优化方案确定目标或评估方案的标准检验模型和评价方案评估各个方案方案实施和不断改进选出一个最优的方案执行此方案进行最后评估：问题是否得到圆满解决第二章：线性规划的图解方法1.怎样辨别一个模型是线性模型？其特征是：（1）问题的目标函数是多个决策变量的线性函数，通常是求最大值或最小值；（2）问题的约束条件是一组多个决策变量的线性不等式或等式。
2.线性规划三个要素建模步骤决策变量、目标函数、约束条件3.LP 问题的标准型11max .1,2,,0,1,2,,nj jj nij ji j j Z c x a x b s t i m x j n ===⎧=⎪=⎨⎪≥=⎩∑∑ 特点：(1)目标函数求最大值(2)约束条件都为等式方程，且右端常数项b i 都大于或等于零 (3)决策变量x j 为非负。
一般形式目标函数： max （min ） z = c 1 x 1 + c 2 x 2 + … + c n x n约束条件： s.t. a 11 x 1 + a 12 x 2 + … + a 1n x n ≤ （ =, ≥ ）b 1 a 21 x 1 + a 22 x 2 + … + a 2n x n ≤ （ =, ≥ ）b 2…… …… a m1 x 1 + a m2 x 2 + … + a mn x n ≤ （ =, ≥ ）b mx 1 ，x 2 ，… ，x n ≥ 0 标准形式目标函数： max z = c 1 x 1 + c 2 x 2 + … + c n x n 约束条件： s.t. a 11 x 1 + a 12 x 2 + … + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + … + a 2n x n = b 2 …… …… a m1 x 1 + a m2 x 2 + … + a mn x n = b mx 1 ，x 2 ，… ，x n ≥ 0，b i ≥04.线性问题的性质与判断 （1 ）线性规划可行域为凸集（2）最优解在凸集上某一顶点达到（特殊情况下为凸集的某条边）（3 ）可行域有界，则一定有最优解5.图解法与解的状况（1）图解法使用范围：仅有两个决策变量的LP（2）基本步骤：a.建立平面直角坐标系；b.将约束条件图解，求得满足约束条件的解的集合；c.作出目标函数的等值线，并根据优化要求，平移目标函数等值线，求出最优解。
运筹学动态规划
特别注意：动态规划是求解某类问题的一种 方法，是考察问题的一种途径，而不是一种算法 （如线性规划是一种算法）。
因而，动态规划没有标准的数学表达式和明 确定义的一组规则，而必须对具体问题进行具体 分析处理．
动态规划
8.1 多阶段决策过程及实例 8.2 动态规划的基本概念和
基本方程 8.3 动态规划的最优性定理 8.4 动态规划与静态规划关系
综述
动态规划是运筹学的一个分支，是解决多 阶段决策过程最优化问题的一种数学方法。
该方法是由美国数学家贝尔曼(R.Bellman)等 人在本世纪50年代初提出的。
他们针对多阶段决策问题的特点，把多阶段 决策问题变换为一系列互相联系单阶段问题，然 后逐个加以解决。
1
2
3
始点
5
B1
6 3
A
4 B2 4 6
2
5
B3 6
C1
1 2
2
C2 2
3
C3
3
4 终点
D1 2
D2 3
E
4
D3
2、状态
5
B1
6 3
A 4 B246
25
B3 6
C1
1 2
2
C2 2
C3 3 3
D1 2
D2 3 E 4
D3
各个阶段开始时所处的自然状况和客观条件称为
状态,描述了研究问题过程的状况(称不可控因素).
一些与时间没有关系的静态规划（如线性 规划，非线性规划）问题，只要人为地引进 “时间”因素，也可把它视为多阶段决策问题， 用动态规划方法去处理。
运筹学动态规划
运筹学动态规划运筹学是一门综合运筹学、优化学、决策学和统计学等多学科知识的学科，它的核心内容是对决策问题进行建模和分析，并通过数学方法进行求解和优化。
动态规划是运筹学中的一种重要方法，它通过将问题划分为相互重叠的子问题，并通过解决子问题的最优解来求解原问题的最优解。
下面将详细介绍运筹学中的动态规划方法。
动态规划方法的核心思想是将原问题分解为若干个相互重叠的子问题，并通过求解子问题的最优解来求解原问题的最优解。
为了可以使用动态规划方法，必须满足以下两个条件：子问题的最优解可以作为原问题的最优解的一部分；子问题之间必须具有重叠性，即一个子问题可以被多次使用。
动态规划方法的具体步骤如下：首先，将原问题分解为若干个子问题，并定义出每个子问题的状态和状态转移方程；其次，通过迭代求解每个子问题的最优解，直到求解出原问题的最优解；最后，根据子问题的最优解和状态转移方程，得到原问题的最优解。
动态规划方法的应用非常广泛，可以用于求解各种各样的优化问题。
例如，在物流配送中，可以使用动态规划方法求解最短路径问题；在生产计划中，可以使用动态规划方法求解最优生产计划；在股票投资中，可以使用动态规划方法求解最优投资策略等。
动态规划方法的优点是可以通过求解子问题的最优解来求解原问题的最优解，避免了穷举法的复杂性。
此外，动态规划方法还可以通过引入一定的约束条件，来对问题进行更精确的建模和求解。
然而，动态规划方法也存在一些局限性。
首先，动态规划方法要求问题能够满足子问题的最优解可以作为原问题的最优解的一部分，这限制了动态规划方法的应用范围。
其次，动态规划方法通常需要建立较为复杂的状态转移方程，并进行复杂的计算，使得算法的实现和求解过程比较困难。
综上所述，动态规划是运筹学中的一种重要方法，通过将问题划分为相互重叠的子问题，并通过解决子问题的最优解来求解原问题的最优解。
动态规划方法的优点是可以高效地求解优化问题，但同时也存在一些局限性。
运筹学 (10)
运筹学案例1、Automobile Alliance 是一家大型的汽车制造公司。
它将产品分为三类：家用卡车、家用小型车以及家用中型和豪华轿车。
位于底特律和密执安交界处的一家工厂装配两种中型和豪华轿车。
第一种车型，Family Thrillseeker，是一种四门轿车，装有乙烯树脂座椅、塑料内饰、标准配置，省油性能出色。
购买这种车对生活不是十分富裕的中产家庭来说是一个明智的选择。
每一辆Family Thrillseeker 为公司带来中等水平的3600 美元的利润。
第二种车型，Classy Cruiser，是一种双门豪华车，配有真皮座椅、选装配置、木质内饰以及导航能力。
它定位于较高层次的中产阶级，每一辆Classy Cruiser 能够为公司带来5400 美元的可观利润。
装配厂经理 Rachel Rosencrantz 目前正为下一个月制定生产计划。
具体地说就是她要决定Family Thrillseeker 和Classy Cruiser 各需要生产多少能够使得公司的利润最大。
她知道工厂每个月有48000 工时的生产能力，装配一辆Family Thrillseeker 需要6 个工时，一辆Classy Cruiser 需要10.5 个工时。
由于工厂只是一个装配厂，装配这两种车所需要的所有零部件都不在厂里制造，而从密执安附近区域的其他工厂运来。
例如：轮胎、转向轮、车窗、座椅以及车门都来自于不同的供应厂。
Rachel 知道下一个月她最多只能从车门供应厂得到20000 扇车门。
Family Thrillseeker 和Classy Cruiser 使用相同的车门。
另外根据公司最近对各种车型的月需求预测，Classy Cruiser的产量限制在3500 辆，在装配厂生产能力范围内，Family Thrillseeker 的生产没有限制。
a、建立一个线性规划模型并求解，确定Family Thrillseeker和Classy Cruiser 各应当装配多少？在最终决策之前，Rachel计划独自解决下面的问题，除非问题自身表明需要合作解决。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
s2 T1(s1, x1) s1 x1 s3 T2 (s2 , x2 ) s2 x2
从sk 与xk 的定义，可知
s3 x3
以下我们从第三阶段开始计算。
管理运筹学
14
第三阶段:
显然将 s3 (s3 0,1,2,3,4,5)台设备都分配给第3工厂时， 也就是s3 x3 时，第3阶段的指标值（即第3厂的盈利）
6+6=12
12
D2
C2
7+10=17
5+6=11
11
D2
C3
1+10=11
6+6=12
11
D1
分析得知：如果经过C1，则最短路为C1-D2-E； 如果经过C2，则最短路为C2-D2-E； 如果经过C3，则最短路为C3-D1-E。
管理运筹学
4
第二阶段：有4个始点B1,B2,B3,B4，终点有C1,C2,C3。对始点和终点进行分 析和讨论分别求B1,B2,B3,B4到C1,C2,C3 的最短路径问题：
即最优2子过程最优指标函数值为
f2 (s2 ) mxa2 x[r2 (s2, x2 ) f3(s3)]
管理运筹学
17
因为 s3 s2 x2,上式也可写成
其数值计算f2 (如s2 )表 m1x0a2 －xr27(所s2,示x2 )。 f3(s2 x2 )
s2 x2
0
0
1
00 －
表10－7
r2 (s2 , x2 ) f3 (s3 x2 )
本阶段最优终点 （最优决策)
E E
管理运筹学
3
第三阶段：有三个始点C1，C2，C3，终点有D1，D2，对始点 和终点进行分析和讨论分别求C1，C2，C3到D1，D2 的最短路 径问题：
表10-2
阶段3
本阶段始点 本阶段各终点（决策）
（状态）
D1
D2
本阶段最优终点 到E的最短距离 （最优决策)
C1
8+10=18
为最大，即
max x3
r3
(s3
,
x3
)
r3
(s3
,
s3
)
由于第3阶段是最后的阶段，故有
f3
(s3
)
max x3
r3
(s3
,
x3
)
r3
(s3
,
s3
).
其中 x3可取值为0,1,2,3,4,5。其数值计算见表10－6。
管理运筹学
15
s3 x3
0
00
1－
2－
3－
4－
5－
表10－6
r3 (s3, x3 )
opt fk (sk )
{rk (sk , xk ) fk1(sk1)}
xk Dk (sk )
k 1, 2,L , n
上式中“opt”表示“max”或“min”。对于可乘性指标函数，上式 可以
写为
opt fk (sk )
{rk (sk , xk ) fk1(sk1)}
xk Dk (sk )
表10-4
本阶段始 点(状态)
A
阶段1 本阶段各终点（决策）
B1
B2
B3
B4
4+12=16 3+13=16 3+14=17 2+12=14
到E的最 本阶段最优终 短距离 点(最优决策)
12
C2
最后，可以得到：从A到E的最短路径为A B4 C3 D1 E
管理运筹学
6
以上计算过程及结果，可用图2表示，可以看到，以上方法不仅 得到了从A到D的最短路径，同时，也得到了从图中任一点到E的最 短路径。
4 14
A
3
3
2
12 B1 2
61
13 4 B2 7
2
48 B3 3 14
75 1
B4 12
12 C1 8
6
11 7 C2
5
1 C3 6 11
10
D1 10
0
E
D2 6 6
以上过程，仅用了22次加法，计算效率远高于穷举法。
管理运筹学
7
§2 基本概念、基本方程与最优化原理
一、基本概念：
1、阶段k：表示决策顺序的离散的量，阶段可以按时间或空间划 分。
18
其中在 s2 4 的这一行里， 当 x2 1 时，
r2 (s2 , x2 ) f3(s2 x2 ) r2 (4,1) f3(4 1) r2 (4,1) f3(3) 5 11 16
当 x2 2 时，可知 r2 (s2, x2 ) f3(s2 x2 ) r2 (4,2) f3(4 2) r2 (4,2) f3(2) 10 6 16;
r2 (4,5) f3(4 5) 栏空着不填。 从这些数值中取得最大即得 f2 (4)，即有 f2 (4)=16。在此行
中我们在取最大值的 r2 (s2 , x2 ) f3(s2 x2 )上面加一横以
示区别，也可知这时x2 的最优决策为1或2。
管理运筹学
19
第一阶段：
把 s1(s1 5) 台设备分配给第1，第2，第3厂时，最大
盈数利值为计算f1(见5) 表 m1xa10x－[r1(85, x1) f1(5 x1)],其中 x1可取值0,1,2,3,4,5.
s1 x1 0
表10-8
r1(5, x1) f2 (5 x1)
1
2
3
4
5 f1( x) x*1
5 0 21 3＋16 7 14 9+10 12+5 13+0 21 0,2
包中物品的价值最高。
这个问题可以用整数规划模型来描述。设xi为第i种 物品装入背包的件数（i =1, 2, …, n），背包中物品的总
价值为z，则
Max z = c1x1+c2x2+ … +cnxn s.t. w1x1+w2x2+…+wnxn≤W x1, x2, …, xn0 且为整数。
管理运筹学
22
12 13 14 12
本阶段最优终 点（最优决策)
C2 C3 C3 C3
分析得知：如果经过B1，则走B1-C2-D2-E； 如果经过B2，则走B2-C3-D1-E； 如果经过B3，则走B3-C3-D1-E； 如果经过B4，则走B4-C3-D1-E。
管理运筹学
5
第一阶段：只有1个始点A，终点有B1,B2,B3,B4 。对始点和终 点进行分析和讨论分别求A到B1,B2,B3,B4的最短路径问题：
1
2
3
4
5 f3(s3) x*3
－－ －－－ 0 0
4 － －－－ 4 1
－ 6－ －－ 6 2
－ － 11 － － 11 3
－ － － 12 － 12 4
－ － － － 12 12 5
管理运筹学
16
其中 x*3 表示取3子过程上最优指标值f3(s3)时的 x3
决策，例如在表10-6中可知当s3 =4时，有 r3(4,4) 12; 有
第十章 动态规划
管理运筹学
1
§1 多阶段决策过程最优化问题举例
例1 最短路径问题
下图表示从起点A到终点E之间各点的距离。求A到E的最
短路径。
4
A
3
2 B1
1 6
4 B2 7
2
C1
8
6
7 C2 5
D1
10
E
3 2
48
B3 3
1 6
C3
D2
6
75 1
4
管理运筹学
2
讨论： 1、以上求从A到E的最短路径问题，可以转化为四个性质完全相
k 1, 2,L , n
以上式子称为动态规划最优指标的递推方程，是动态规划的基本 方程。
终端条件：为了使以上的递推方程有递推的起点，必须要设定最 优指标的终端条件，一般最后一个状态n+1下最优指标fn+1(sn+1) = 0。
管理运筹学
11
三、最优化原理 作为整个过程的最优策略具有如下性质： 不管在此最优策略上的某个状态以前的状
同，但规模较小的子问题，即分别从Di 、Ci、Bi、A到E的最短路 径问题。
从最短路上每一点到终点的部分道路,也一定是从该点到终点的最短路. 第四阶段：两个始点D1和D2，终点只有一个；
表10-1
阶段4
本阶段始点 本阶段各终点（决策） 到E的最短距离
（状态）
E
D1
10
10
D2
6
6
分析得知：从D1和D2到E的最短路径唯一。
管理运筹学
20
知 x*2 2，再由s3 s2 x*2 3 2 1 ,求得 x*3 s3 1 ， 即分配给甲厂2台，乙厂2台，丙厂1台。
这两种分配方案都能得到最高的总盈利21万元。
管理运筹学
21
二、背包问题
设有n种物品，每一种物品数量无限。第i种物品每件
重量为wi公斤，每件价值ci元。现有一只可装载重量为W 公斤的背包，求各种物品应各取多少件放入背包，使背
xk+1, …, xn)称指标具有可乘性。
管理运筹学
9
二、基本方程：
最优指标函数fk(sk)：从状态sk出发，对所有的策略Pk,n，过程指 标Vk,n的最优值，即
opt f k (sk )