区間分割の仕方を最適化する動的計画法 (JOI 2021 夏季セミナー)

区間分割の仕方を
最適化する動的計画法
NTT データ数理システム
大槻兼資
(ペンネーム：けんちょん)
2021/8/19
@JOI 夏季セミナー
1

• 積極的に声やチャットで喋ってもらえたら嬉しいです
最初に
2
• 「ちゃんと理解しなきゃ」と堅くならずに、気楽に！
• アルゴリズム、競プロを楽しもう！
• チューター、ハイレベルコースの詳しい方も、ぜひ
さまざまなコメントを！
/ 133

• 2014年：東京大学大学院情報理工学系研究科
数理情報学専攻修士課程修了
自己紹介 (本業編)
• 2015年～：NTT データ数理システム
• 専門は数理工学全般
• アルゴリズム
• 探索, ネットワーク, etc…
• 数理最適化
• シフトスケジューリングなど
• 機械学習
• チャットボットなど
http://www.dis.uniroma1.it/challenge9/download.shtml 3 / 133

4
自己紹介 (趣味編)
(8月19日) (7 の形) (1234567890 で「コ」)
• 虫食算作り
• 競技プログラミング
/ 133

5
アルゴリズム本を出版
• 2021 年 IT エンジニア本大賞特別賞
• 「問題の解き方」を重視したアルゴリズムの入門書

6
アルゴリズム本を出版
第 1 章
アルゴリズムとは
第 2 章
計算量とオーダー記法
第 3 章
全探索
第 4 章
再帰と分割統治法
第 5 章
動的計画法
第 6 章
二分探索法
第 7 章
貪欲法
第 8 章
配列、連結リスト
ハッシュテーブル
第 9 章
スタックとキュー
第 10 章
グラフと木
第 11 章
Union-Find
第 12 章
ソート
第 13 章
グラフ探索
第 14 章
最短路問題
第 15 章
最小全域木問題
第 16 章
ネットワークフロー
第 17 章
P と NP
第 18 章
難問対策

7
ステップアップセミナー初級
第 1 章
第 2 章
第 3 章
全探索
第 4 章
第 5 章
動的計画法
第 6 章
二分探索法
第 7 章
貪欲法
第 8 章
第 9 章
第 10 章
グラフと木
第 11 章
Union-Find
第 12 章
ソート
第 13 章
グラフ探索
第 14 章
最短路問題
第 15 章
第 16 章
第 17 章
P と NP
第 18 章
難問対策

8
ステップアップセミナー中級
第 1 章
第 2 章
第 3 章
全探索
第 4 章
第 5 章
動的計画法
第 6 章
二分探索法
第 7 章
貪欲法
第 8 章
第 9 章
第 10 章
グラフと木
第 11 章
Union-Find
第 12 章
ソート
第 13 章
グラフ探索
第 14 章
最短路問題
第 15 章
第 16 章
第 17 章
P と NP
第 18 章
難問対策

9
今回の話
第 1 章
第 2 章
第 3 章
全探索
第 4 章
第 5 章
動的計画法
第 6 章
二分探索法
第 7 章
貪欲法
第 8 章
第 9 章
第 10 章
グラフと木
第 11 章
Union-Find
第 12 章
ソート
第 13 章
グラフ探索
第 14 章
最短路問題
第 15 章
第 16 章
第 17 章
P と NP
第 18 章
難問対策

10
今日の話 (本 5.6 節)
• 系列データをいくつかの区間に分ける
• 区間分割の仕方を最適化したい
0 1 2 3 4 5 6 7 8 9
/ 133

11
0 1 2 3 4 5 6 7 8 9
/ 133

12
0 1 2 3 4 5 6 7 8 9
• JOI での出題が極めて多いパターン！！！
• 現実世界への応用も多い！！！
/ 133

13
今日の話
イントロ
動的計画法
区間分割
/ 133

14
今日の話
イントロ
/ 133

• ある問題を解くための方法、手順のこと
• それを実装したものがプログラム
• 「入力」を入れると「出力」を返す装置
15
アルゴリズム
入力出力
/ 133

16
アルゴリズムの例
• a × b が偶数か奇数かを判定する (練習コンテスト 2)
https://atcoder.jp/contests/abc086/tasks/abc086_a
/ 133

17
https://atcoder.jp/contests/abc086/tasks/abc086_a
判定
整数 a a × b が
偶数か奇数か
整数 b
• a × b が偶数か奇数かを判定する (練習コンテスト 2)
/ 133

18
カーナビ
地図
現在地
目的地
目的地へ
至る経路
単語検索
文書文書に単語
が含まれるか
単語
数独
ソルバー
/ 133

19
本格的な例：幅優先探索
• 迷路の最短路を求めよう！
• スタート (S) からゴール (G) への最短経路は？
/ 133

20
• まず S から 1 手で行けるマスに「1」と書く
/ 133

21
• 次に「1」から 1 手で行けるマスに「2」と書く
/ 133

22
• 「2」から 1 手で行けるマスに「3」と書く
/ 133

23
/ 133

24
/ 133

25
/ 133

26
/ 133

27
/ 133

28
/ 133

29
/ 133

30
/ 133

31
/ 133

32
/ 133

33
/ 133

34
/ 133

35
• これでゴール！！！
/ 133

36
• ゴールから、「数値が 1 ずつ下がっていくように」
遡っていくと、最短経路が得られる
/ 133

37
幅優先探索の実応用
• カーナビ
• 電車の乗り換え案内
• パズル (15-パズルなど) の最小手数

38
8-パズル
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4 1
5
8 6
2
7
3
4
1
5
8
6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4
1 5
8 6
2
7
3
4
1
5
8
6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8
6
2
7
3
4
1
5
8
6
1
8
3
2
4
5
7 6
1
8
3
7
4
5
2
6
3
8
5
4
1
2
7 6
3
7
5
4
1
6
2
8
初期配置
/ 133

39
8-パズル
2
7
3
4
1
5
8 6
初期配置
/ 133

40
8-パズル
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
初期配置
/ 133

41
8-パズル
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4 1
5
8 6
2
7
3
4
1
5
8
6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4
1 5
8 6
初期配置
/ 133

42
8-パズル
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4 1
5
8 6
2
7
3
4
1
5
8
6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4
1 5
8 6
2
7
3
4
1
5
8
6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8
6
2
7
3
4
1
5
8
6
1
8
3
2
4
5
7 6
1
8
3
7
4
5
2
6
3
8
5
4
1
2
7 6
3
7
5
4
1
6
2
8
初期配置
/ 133

43
8-パズル
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4 1
5
8 6
2
7
3
4
1
5
8
6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8 6
2
7
3
4
1 5
8 6
2
7
3
4
1
5
8
6
2
7
3
4
1
5
8 6
2
7
3
4
1
5
8
6
2
7
3
4
1
5
8
6
1
8
3
2
4
5
7 6
1
8
3
7
4
5
2
6
3
8
5
4
1
2
7 6
3
7
5
4
1
6
2
8
初期配置
目標配置 / 133

44
アルゴリズムを学ぶ動機は様々
• 競技プログラミングで勝ちたい！
• コンピュータサイエンスの重要な一分野として
学んでおきたい
• ソフトウェアエンジニアとしてステップアップしたい
• 就職で有利にしたい！
どんな人にもオススメ！！
/ 133

45
アルゴリズムによる問題解決
数理モデル化
JOI
みたいな問題
解
解釈・意思決定
アルゴリズム
/ 133

46
アルゴリズムは分野横断的
• AI や量子コンピュータなどの、分野の流行に依らない
一生モノのスキル
• むしろ AI を学ぶための強力な下地となる
グラフ
動的計画法
○○法
電気機械化学生物経済 ○○
• さまざまな分野の問題が、アルゴリズムの目で見ること
によって本質的に同じ問題になったりなる！
/ 133

47
アルゴリズムは分野横断的
0 1 2 3 4 5 6 7 8 9
• たとえば、今回の「区間分割」の問題も
• さまざまな領域の問題がこの問題に帰着できる！
/ 133

48
今日の話
動的計画法
/ 133

動的計画法とは
49
問題を一連の部分問題に分割し、
各部分問題の解をメモ化しながら順に求めていく手法
• とても抽象的で汎用的
• 適用範囲が広い
• ただし一見わかりにくい
/ 133

動的計画法の例題
50
足場を「ジャンプ」しながら左端から右端へ行きたい
AtCoder Educational DP Contest A - Frog
ただし「隣の足場」か「1 個飛ばしの足場」にのみ進める
ジャンプの所要時間は「足場の高さの差」
左端から右端までの最短所要時間を求めよ
4m 7m
7 - 4 = 3 秒！
3m
/ 133

51
例:
・足場が 7 個
・(2, 9, 4, 5, 1, 6, 10)
/ 133

52
例:
・足場が 7 個
・(2, 9, 4, 5, 1, 6, 10)
/ 133

53
例:
・足場が 7 個
・(2, 9, 4, 5, 1, 6, 10)
+4
+1 +1
+2
最短: 8 秒
/ 133

グラフの問題と考える
54
例:
0 1 2 3 4 5 6
7
2
5 1 4 5 4
4
3
1 9
・足場が 7 個
・(2, 9, 4, 5, 1, 6, 10)
/ 133

55
グラフ
• 物事の関係性を「丸」と「線」を用いて表したもの
• コンピュータサイエンスのあらゆる領域で使われる
頂点辺
/ 133

56
• 辺に「向き」があることもある (有向グラフ)
グラフ
/ 133

• あれもこれも実はグラフ！
• さまざまな分野の問題をグラフに関する問題として
見通よく汎用的に扱える！
57
アルゴリズムの精神
グラフ
/ 133

58
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6
• ノード 0 からノード 6 への最短経路を求める！
/ 133

59
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6
• ノード 0 からノード 6 への最短経路を求める！
• 答えは、2 + 1 + 1 + 4 = 8
/ 133

問題を次のように分解する
60
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6
• ノード 1 へ至る最小コストを求める小問題
• ノード 6 へ至る最小コストを求める小問題 / 133

61
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6

62
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6

63
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6

64
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6

65
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6

66
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6

67
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6
順にメモ化
しながら
求めていく
/ 133

メモ化用の DP テーブル
68
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6
メモ
/ 133

頂点 0 への最小コスト (初期条件)
69
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6
0
メモ
/ 133

頂点 1 への最小コスト
70
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6
0
7
7
メモ
/ 133

71
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6
0 7
2
5
2
12 vs. 2
メモ
/ 133

72
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6
0 7
4
1
2
3 vs. 11
3
メモ
/ 133

73
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6
メモ
0 7
3
4
2
7 vs. 5
3 5
/ 133

74
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6
0 7
1
5
2
10 vs. 4
3 5 4
メモ
/ 133

75
0
7
2
5 1 4 5 4
4
3
1 9
1 2 3 4 5 6
0 7
9
4
2
8 vs. 14
3 5 4 8
メモ

実装上は
76
• メモ化用の DP テーブルを配列でもつ
dp[v] ← 頂点 0 から頂点 v へ至る最短コスト
i-2 i-1 i
dp[i] = min(dp[i-1] + f(i-1, i),
dp[i-2] + f(i-2, i)
/ 133

動的計画法の着眼
77
• メモ化：何度も参照される小さな問題の結果を保存して
すぐに参照できるようにする (キャッシュ)
問題を一連の部分問題に分割し、
各部分問題の解をメモ化しながら順に求めていく手法
• 部分問題への分割：同じ構造を持つ小さな問題 (部分問
題) の結果を使うことで大きな問題が解ける
• ノード 1, 2, 3, 4, 5, 6 への最短経路を順に求めた
/ 133

動的計画法は汎用的
• 動的計画法で解決できる問題は数多くある
• ナップサック問題
• スケジューリング問題
• 発電計画問題
• 編集距離
• 音声認識パターンマッチング問題
• 文章の分かち書き
• 隠れマルコフモデル
78
• 習うより慣れよう！
/ 133

拙著の動的計画法の章
• 5 章 - 設計技法 (3)：動的計画法
79
• 5.1 動的計画法とは
• 5.2 動的計画法の例題
• 5.3 動的計画法に関連する諸概念
• 5.4 動的計画法の例 (1)：ナップサック問題
• 5.5 動的計画法の例 (2)：編集距離
• 5.6 動的計画法の例 (3)：区間分割の仕方を最適化
• 5.7 まとめ
/ 133

80
今日の話
区間分割
/ 133

81
区間分割
0 1 2 3 4 5 6 7 8 9
• さまざまな分野の問題が、区間分割問題へと帰着される
/ 133

応用例(1): 分かち書き
82
http://chasen.naist.jp/chaki/t/2009-09-30/doc/mecab-cabocha-nlp-seminar-2009.pdf
僕は君を愛している
僕　は　君　を　愛し　て　いる
単語ごとに区切る
/ 133

応用例(2): 発電計画問題
83
• 発電の on と off のタイミングを最適化する
on off on off
• 需要供給バランスの考慮などもあって、各区間のコス
ト関数 f(i, j) はとても複雑なものになる
• 「～時間以上連続稼働」といった制約も考慮
/ 133

応用例(3): パネルグループ分け
84
さまざまな長さのパネルが順に並んでいる
それをいくつかのグループに分ける
各グループのパネルたちを良い条件に揃えたい
/ 133

応用例(4): タイムスケジューリング
85
• お客さまを順に回る配送 (配送順序は固定)
• 「何時から何時の間に届けてほしい」
• 「～分間に 1 回は休憩が必要」という制約もある
→ どこで休憩をとるかを最適化
休憩場所ごとに区切る
/ 133

86
問題例(1)：オレンジの出荷 (改)
JOI 本選 2016 A 問題
大きさが A[0], A[1], …, A[N-1] のオレンジがある
0 1 2 3 4 5 6 7 8 9
前から順に、箱に詰めていく
各箱のコストは、
「K + (箱内の A の最大値 - 箱内の A の最小値) × 個数」
各箱のコストの総和を最小化せよ
3 5 4 9 11 8 10 1 7 8
K = 5
/ 133

87
0 1 2 3 4 5 6 7 8 9
3 5 4 9 11 8 10 1
K = 5
7 8
基本コスト
/ 133

88
0 1 2 3 4 5 6 7 8 9
3 5 4 9 11 8 10 1 7 8
K = 5
例
/ 133

89
0 1 2 3 4 5 6 7 8 9
3 5 4 9 11 8 10 1 7 8
K = 5
例
5 + (9 - 3) × 4
= 29
5 + (11 - 8) × 3
= 14 5
5 + (8 - 7) × 2
= 7
/ 133

90
0 1 2 3 4 5 6 7 8 9
3 5 4 9 11 8 10 1 7 8
K = 5
例
5 + (9 - 3) × 4
= 29
5 + (11 - 8) × 3
= 14 5
5 + (8 - 7) × 2
= 7
コスト: 55
/ 133

91
問題例(1)：オレンジの出荷
0 1 2 3 4 5 6 7 8 9
3 5 4 9 11 8 10 1 7 8
K = 5
• Frog 問題と同様に「前から何個かのオレンジ」に
ついての小問題に分割していく
/ 133

92
0 1 2 3 4 5 6 7 8 9
3 5 4 9 11 8 10 1 7 8
K = 5
• メモ化用の配列を用意する
/ 133

93
0 1 2 3 4 5 6 7 8 9
3 5 4 9 11 8 10 1 7 8
K = 5
/ 133

94
0 1 2 3 4 5 6
3 5 4 9 11 8 10
K = 5
たとえばこのマスには
前から 7 個のオレンジ
についての答えを格納
/ 133

95
0 1 2 3 4 5 6 7 8 9
3 5 4 9 11 8 10 1 7 8
K = 5
• 前から 0 個のオレンジについての答えは 0
0
/ 133

96
前から 0 個
K = 5
0
/ 133

97
前から 1 個
0
3
K = 5
0 5
+5
1
1 個のオレンジ {3}
を箱詰めするコストは 5
/ 133

98
前から 2 個について考える
0
3
K = 5
0 5
1
5
• 最後の箱をどうするかで場合分けして考える
• 最後の箱が {3, 5} である場合
• 最後の箱が {5} である場合
/ 133

99
0
3
K = 5
0 5
1
5
+9
• 最後の箱が {3, 5} のとき：コストは 0 + 9 = 9
/ 133

100
0
3
K = 5
• 最後の箱が {3, 5} のとき：コストは 0 + 9 = 9
0 5
1
5
+5
• 最後の箱が {5} のとき：コストは 5 + 5 = 10
/ 133

101
0
3
K = 5
• 最後の箱が {3, 5} のとき：コストは 0 + 9 = 9
0 5
1
5
• 最後の箱が {5} のとき：コストは 5 + 5 = 10
9
+9
/ 133

102
K = 5
0 5 9
0 1 2
3 5 4
• 最後の箱が {3, 5, 4} である場合
/ 133

103
K = 5
• 最後の箱が {3, 5, 4} のとき：コストは 0 + 11 = 11
0 5 9
0 1 2
3 5 4
+11
/ 133

104
K = 5
• 最後の箱が {3, 5, 4} のとき：コストは 0 + 11 = 11
0 5 9
0 1 2
3 5 4
• 最後の箱が {5, 4} のとき：コストは 5 + 7 = 12
+7
/ 133

105
K = 5
0 5 9
0 1 2
3 5 4
+5
• 最後の箱が {3, 5, 4} のとき：コストは 0 + 11 = 11
• 最後の箱が {5, 4} のとき：コストは 5 + 7 = 12
• 最後の箱が {4} のとき：コストは 9 + 5 = 14
/ 133

106
K = 5
0 5 9
0 1 2
3 5 4
• 最後の箱が {3, 5, 4} のとき：コストは 0 + 11 = 11
• 最後の箱が {5, 4} のとき：コストは 5 + 7 = 12
• 最後の箱が {4} のとき：コストは 5 + 7 = 14
11
+11
/ 133

107
K = 5
0 5 9
0 1 2
3 5 4
• 最後の箱が {3, 5, 4, 9} である場合
• 最後の箱が {5, 4, 9} である場合
3
9
11
/ 133

108
K = 5
0 5 9
0 1 2
3 5 4
3
9
11
+29
• 最後の箱が {3, 5, 4, 9} のとき：コストは 0 + 29 = 29
/ 133

109
K = 5
0 5 9
0 1 2
3 5 4
3
9
11
• 最後の箱が {3, 5, 4, 9} のとき：コストは 0 + 29 = 29
+20
• 最後の箱が {5, 4, 9} のとき：コストは 5 + 20 = 25
/ 133

110
K = 5
0 5 9
0 1 2
3 5 4
3
9
11
• 最後の箱が {3, 5, 4, 9} のとき：コストは 0 + 29 = 29
• 最後の箱が {5, 4, 9} のとき：コストは 5 + 20 = 25
+15
• 最後の箱が {4, 9} のとき：コストは 9 + 15 = 24
/ 133

111
K = 5
0 5 9
0 1 2
3 5 4
3
9
11
• 最後の箱が {3, 5, 4, 9} のとき：コストは 0 + 29 = 29
• 最後の箱が {5, 4, 9} のとき：コストは 5 + 20 = 25
• 最後の箱が {4, 9} のとき：コストは 9 + 15 = 24
+5
• 最後の箱が {9} のとき：コストは 11 + 5 = 16
/ 133

112
K = 5
0 5 9
0 1 2
3 5 4
3
9
11
• 最後の箱が {3, 5, 4, 9} のとき：コストは 0 + 29 = 29
• 最後の箱が {5, 4, 9} のとき：コストは 5 + 20 = 25
• 最後の箱が {4, 9} のとき：コストは 9 + 15 = 24
• 最後の箱が {9} のとき：コストは 11 + 5 = 16
16
+5
/ 133

113
K = 5
0 5 9
0 1 2
3 5 4
3
9
11 16
4
11
/ 133

114
K = 5
0 5 9
0 1 2
3 5 4
3
9
11 16
4
11
• 最後の箱が {9, 11} のとき最適：コストは 11 + 9 = 20
+9
20
/ 133

115
K = 5
0 5 9
0 1 2
3 5 4
3
9
11 16
4
11
20
5
8
/ 133

116
K = 5
0 5 9
0 1 2
3 5 4
3
9
11 16
4
11
20
5
8
• 最後の箱が {8} のとき最適：コストは 20 + 5 = 25
25
+5
/ 133

117
K = 5
0 5 9
0 1 2
3 5 4
3
9
11 16
4
11
20 25
5 6
8 10
/ 133

118
K = 5
0 5 9
0 1 2
3 5 4
3
9
11 16
4
11
20 25
5 6
8 10
• 最後の箱が {9, 11, 8, 10} のとき最適：コストは 11 + 17 = 28
+17
28
/ 133

119
K = 5
0 5 9
0 1 2
3 5 4
3
9
11 16
4
11
20 25
5 6
8 10
28
7
1
/ 133

120
K = 5
0 5 9
0 1 2
3 5 4
3
9
11 16
4
11
20 25
5 6
8 10
28
7
1
+5
33
/ 133

121
K = 5
0 5 9
0 1 2
3 5 4
3
9
11 16
4
11
20 25
5 6
8 10
28
7
1
33
8
7
/ 133

122
K = 5
0 5 9
0 1 2
3 5 4
3
9
11 16
4
11
20 25
5 6
8 10
28
7
1
33
8
7
+5
38
/ 133

123
K = 5
0 5 9
0 1 2
3 5 4
3
9
11 16
4
11
20 25
5 6
8 10
28
7
1
33
8
7
38
9
8
/ 133

124
K = 5
0 5 9
0 1 2
3 5 4
3
9
11 16
4
11
20 25
5 6
8 10
28
7
1
33
8
7
38
9
8
• 最後の箱が {7, 8} のとき最適：コストは 33 + 7 = 40
40
+7
/ 133

125
最適解
K = 5
0 5 9
0 1 2
3 5 4
3
9
11 16
4
11
20 25
5 6
8 10
28
7
1
33
8
7
38
9
8
40
/ 133

126
問題例(2)：白昼夢
ABC 049 C - 白昼夢
文字列が与えられる
e r a s e d r e a m e r a s e
これを “erase”, “dream”, “eraser”, “dreamer”
に分割することが可能かどうかを判定せよ
e r a s e d r e a m e r a s e
/ 133

127
問題例(3)：重み付き区間スケジューリング
有名問題
いくつかの区間が与えられる
どの 2 つも重ならないように区間を選ぶ
選んだ区間のスコアの総和を最大にせよ
3点
1点
4点
5点
2点
6点
3点
/ 133

128
問題例(3)：重み付き区間スケジューリング
有名問題
いくつかの区間が与えられる
選んだ区間のスコアの総和を最大にせよ
3点
1点
5点
2点
6点
3点
4点
どの 2 つも重ならないように区間を選ぶ
/ 133

問題例(4): 分かち書き (再掲)
129
http://chasen.naist.jp/chaki/t/2009-09-30/doc/mecab-cabocha-nlp-seminar-2009.pdf
僕は君を愛している
僕　は　君　を　愛し　て　いる
単語ごとに区切る
/ 133

問題例(5): 発電計画問題 (再掲)
130
• 発電の on と off のタイミングを最適化する
on off on off
• 需要供給バランスの考慮などもあって、各区間のコス
ト関数 f(i, j) はとても複雑なものになる
• 「～時間以上連続稼働」といった制約も考慮
/ 133

問題例(6): パネルグループ分け (再掲)
131
さまざまな長さのパネルが順に並んでいる
それをいくつかのグループに分ける
各グループのパネルたちを良い条件に揃えたい
/ 133

132
アルゴリズムは分野横断的！
• 競プロのパズル的問題は、まさにそういう問題たち
グラフ
動的計画法
○○法
電気機械化学生物経済 ○○
• さまざまな問題が、アルゴリズムの目で見ることに
よって本質的に同じ問題になったりなる！
/ 133

133
全体のまとめ
• アルゴリズムは何をするにも重要な基礎、
どんな人にもオススメ！
• さまざまな問題が、汎用的に見通しよく扱えるよう
になる (今回は区間分割を例にとった)
• アルゴリズムは楽しい！！

134
付録
その他の動的計画法

拙著の動的計画法の章
• 5 章 - 設計技法 (3)：動的計画法
135
• 5.1 動的計画法とは
• 5.2 動的計画法の例題
• 5.3 動的計画法に関連する諸概念
• 5.4 動的計画法の例 (1)：ナップサック問題
• 5.5 動的計画法の例 (2)：編集距離
• 5.6 動的計画法の例 (3)：区間分割の仕方を最適化
• 5.7 まとめ

3 つの代表的な遷移パターン
136
• 編集距離
• 区間分割 (済)

137

ナップサック問題
138
N 個の品物があって、いくつか選びたい
各品物には「重さ」と「価値」の属性がある
選んだ品物の重さの合計が W を超えないようにしつつ
価値の総和を最大化せよ
https://www.msi.co.jp/nuopt/introduction/index.html

139
N 個の品物があって、いくつか選びたい
各品物には「重さ」と「価値」の属性がある
選んだ品物の重さの合計が W を超えないようにしつつ
価値の総和を最大化せよ
dp[i][w] ← N 個の品物のうち、最初の i 個のみ考える
その中から重さの合計が w を超えないようにしつつ
選んだときの価値の総和の最大値
最初の i 個についての問題 (部分問題)

140
dp[i+1][w] = max(dp[i][w],
dp[i][w-wei[i]] + val[i])
新たな品物を選ばない場合
新たな品物を選ぶ場合
重さ価値
dp[i][w] ← N 個の品物のうち、最初の i 個のみ考える
その中から重さの合計が w を超えないようにしつつ
選んだときの価値の総和の最大値
• dp[i][0], dp[i][1], … を用いて、　　　　　　　
dp[i+1][0], dp[i+1][1], … を表す

ナップサック DP の遷移
141
ナップサックに入れた重さ
0 1 2 3 4 5 6 7 8 9 10
0 個
1 個
2 個
3 個
4 個
0 0 0 0 0 0 0 0 0 0 0
0 0 0 6 6 6 6 6 6 6 6
0 3 3 6 9 9 9 9 9 9 9
0 3 3 6 9 9 10
0 3 3 6 85
10 10 10 10
88 88 91 94 94 95
• (重さ, 価値) = (3, 6), (1, 3), (2, 1), (5, 85) の場合

ナップサック DP の遷移のポイント
142
• N 個の要素をシーケンシャルに処理していくもの
• そのために必要な添字を適宜追加していく
dp[i][w]
部分問題のサイズ遷移に必要な追加の添字
2 個
3 個
4 個
0 3 3 6 9 9 9 9 9 9 9
0 3 3 6 9 9 10
0 3 3 6 85
10 10 10 10
88 88 91 94 94 95

例(1): サイゼリヤ問題
143
• 予算 1000 円で、最高何 kcal とれるか？
https://qiita.com/marusho_summers/items/a2d3681fac863734ec8a
• ナップサック問題そのもの
• ナップサックの容量が予算に対応：1000 円
• 品物の価値が、カロリーに対応
・ポテトのグリル
(199 円, 366 kcal)
・アーリオ•オーリオ
(574 円, 1120 kcal)
・ラージライス
(219 円, 454 kcal)
合計：992 円, 1940 kcal

例(2): 隠れマルコフモデル
144
• 系列データを「潜在変数」のマルコフ連鎖で表すもの
追加の添字 i+1 番目の状態が i 番目のみに依る
• 前回の状態によって、次回の各状態の起こりやすさが
変化する
https://mathwords.net/hiddenmarkov
風邪 or 元気
からなる系列データ

例(2): 隠れマルコフモデル
145
• 系列データを「潜在変数」のマルコフ連鎖で表すもの
追加の添字 i+1 番目の状態が i 番目のみに依る
• 潜在変数の最も確からしい経路を求める Viterbi のアル
ゴリズムは、ナップサック DP とほとんど同じもの
• 音声認識
• 品詞分析
• 株価の変動予測
さまざまな応用

146
• 編集距離

編集距離
147
2 つの文字列 S, T がある
S に以下の 3 通りの操作を繰り返すことで T に変換したい
・変更： S の文字を 1 つ選んで変更
・削除： S の文字を 1 つ選んで削除
・挿入： S の好きな箇所に好きな文字を 1 文字挿入
最小回数を求めよ
例:
S = logistic
T = algorithm
→ 6 回

二系列の DP
148
例:
S = logistic
T = algorithm
→ 6 回
dp[i][j] ← S の最初の i 文字と、T の最初の j 文字との
間についての操作回数の最小値

編集距離を求める DP の遷移
149
dp[i][j] ← S の最初の i 文字と、T の最初の j 文字との
間についての操作回数の最小値

応用が広く、分野横断的！
150
• diﬀ コマンド
• 音声認識、画像認識、空間認識
• DP マッチング
• 二系列データの類似度を考える問題全般に適用
• スペルチェッカー
• バイオインフォマティクス
• 系列アラインメント (2 つの DNA の類似度を測るなど)
• 手書き文字認識

区間分割の仕方を最適化する動的計画法 (JOI 2021 夏季セミナー)

区間分割の仕方を最適化する動的計画法 (JOI 2021 夏季セミナー)

Recommended

More Related Content

What's hot

What's hot(20)

Similar to 区間分割の仕方を最適化する動的計画法 (JOI 2021 夏季セミナー)

Similar to 区間分割の仕方を最適化する動的計画法 (JOI 2021 夏季セミナー)(20)

More from Kensuke Otsuki

More from Kensuke Otsuki(10)

Recently uploaded

Recently uploaded(10)

区間分割の仕方を最適化する動的計画法 (JOI 2021 夏季セミナー)