动态规划是算法中非常重要的一个算法,希望看了我的博客可以对你有所帮助。
思维导图
例题 最长公共子序列
最长公共子序列问题,给定序列X=(x1,x2,…,xm),Y=(y1,y2,…,yj),求X和Y的最长公共子序列(设X和Z是两个序列,其中X=(x1,x2,…,xm),Z=(z1,z2,…,zk),如果存在X的元素构成的按下标严格排序递增序列(xi1,xi2,…,xik),使得xij=zj,j=1,2,…,k,那么Z是X的子序列,Z含有的元素个数,称为子序列的长度)
定义:设X和Y是两个序列,如果Z既是X的子序列,也是Y的子序列,则称Z是X和Y的公共子序列。
设Xi=(x1,x2,…,xi)
Yj=(y1,y2,…,yj)
Zk=(z1,z2,…,zk)
如果Zk是Xi和Yj的最长公共子序列
那么如果xi = yj,那么zk = xi = yj,Zk-1是Xi-1和Yj-1的最长公共子序列
如果xi ≠ yj,那么zk ≠ xi,Zk-1是Xi-1和Yj的最长公共子序列
如果xi ≠ yj,那么zk ≠ yi,Zk-1是Xi和Yj-1的最长公共子序列
最优子结构
X=(x1,x2,…xn) 和 Y={y1,y2,…ym} 是两个序列,将 X 和 Y 的最长公共子序列记为c(X,Y),找出c(X,Y)就是一个最优化问题。因为,我们需要找到X 和 Y中最长的那个公共子序列。而要找X 和 Y的c,首先考虑X的最后一个元素和Y的最后一个元素。
1)如果 xn=ym,即X的最后一个元素与Y的最后一个元素相同,这说明该元素一定位于公共子序列中。因此,现在只需要找:c(Xn-1,Ym-1)。c(Xn-1,Ym-1)就是原问题的一个子问题。为什么叫子问题?因为它的规模比原问题小。为什么是最优的子问题?因为我们要找的是Xn-1 和 Ym-1 的最长公共子序列。
2)如果xn != ym,这下要麻烦一点,因为它产生了两个子问题:c(Xn-1,Ym) 和 c(Xn,Ym-1),因为序列X 和 序列Y 的最后一个元素不相等嘛,那说明最后一个元素不可能是最长公共子序列中的元素嘛。c(Xn-1,Ym)表示:最长公共序列可以在(x1,x2,…x(n-1)) 和 (y1,y2,…ym)中找。而c(Xn,Ym-1)表示:最长公共序列可以在(x1,x2,…xn) 和 (y1,y2,…y(m-1))中找。
求解上面两个子问题,得到的公共子序列谁最长,那谁就是 c(X,Y)。用数学表示就是:
c=max{c(Xn-1,Ym),c(Xn,Ym-1)}
由于条件 1) 和 2) 考虑到了所有可能的情况。因此,我们成功地把原问题转化 成了 三个规模更小的子问题。
重叠子问题
重叠子问题就是说原问题转化成子问题后,子问题中有相同的问题.
在此题中原问题是:c(X,Y)。子问题有 ❶c(Xn-1,Ym-1) ❷c(Xn-1,Ym) ❸c(Xn,Ym-1)。
初一看,这三个子问题是不重叠的。可本质上它们是重叠的,因为它们只重叠了一大部分。举例:第二个子问题:c(Xn-1,Ym) 就包含了:问题❶c(Xn-1,Ym-1)。因为,当Xn-1 和 Ym 的最后一个元素不相同时,我们又需要将c(Xn-1,Ym)进行分解:分解成:c(Xn-1,Ym-1) 和 c(Xn-2,Ym)。 也就是说:在子问题的继续分解中,有些问题是重叠的。
1 |
|