LCS算法和背包算法(第九次作业)

本文详细解析了LCS算法和背包算法的工作原理,并通过实际例子(非教科书数据)展示了如何运用这两种算法。LCS算法通过构造动态规划矩阵求解最长公共子序列,背包算法则涉及滚动数组优化。文章还分析了它们的时间复杂度。
摘要由CSDN通过智能技术生成

1.问题
LCS算法和背包算法,特别要求举例时采用不同于讲义的数据进行推导。
2.解析
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
(1)xi = yj,那么zk = xi = yj,Zk-1是Xi-1和Yj-1的最长公共子序列
(2)xi ≠ yj,那么zk ≠ xi,Zk-1是Xi-1和Yj的最长公共子序列
(3)xi ≠ yj,那么zk ≠ yi,Zk-1是Xi和Yj-1的最长公共子序列

举例:
X=<A,B,C,D,A>
Y=<B,A,C,B>
m=0-5
n=0-4
(1)i=1
a) j=1 X.A<>Y.B:C[1,1]=max{C[1,0],C[0,1]}=0,删除y
b) j=2 X.A= =Y.A:C[1,2]=C[0,1]+1=1,删除两个
c) j=3 X.A<>Y.C:C[1,3]=max{C[1,2],C[0,3]}=1,删除y
d) j=4 X.A<>Y.B:C[1,4]=max{C[1,3],C[0,4]}=1,删除y
(2)i=2
a) j=1 X.B= =Y.B:C[2,1]=C[1,0]+1=1,删除两个
b) j=2 X.B<>Y.A:C[2,2]=max{C[2,1],C[1,2]}=1,删除y
c) j=3 X.B<>Y.C:C[2,3]=max{C[2,2],C[1,3]}=1,删除y
d) j=4 X.B= =Y.B:C[2,4]=C[1,3]+1=2,删除两个
(3)i=3
a) j=1 X.C<>Y.B:C[3,1]=max{C[3,0],C[2,1]}=1,删除x
b) j=2 X.C<>Y.A:C[3,2]=max{C[3,1],C[2,2]}=1,删除y
c) j=3 X.C= =Y.C:C[3,3]=C[2,2]+1=2,删除两个
d) j=4 X.C<>Y.B:C[3,4]=max{C[3,3],C[2,3]}=2,删除y
(4)i=2
a) j=1 X.D<>Y.B:C[4,1]=max{C[4,0],C[3,1]}=1,删除x
b) j=2 X.D<>Y.A:C[4,2]=max{C[4,1],C[3,2]}=1,删除y
c) j=3 X.D<>Y.C:C[4,3]=max{C[4,2],C[3,3]}=2,删除x
d) j=4 X.D<>Y.B:C[4,4]=max{C[4,3],C[3,4]}=2,删除y
(5)i=2
a) j=1 X.A<>Y.B:C[5,1]=max{C[5,0],C[4,1]}=1,删除x
b) j=2 X.A==Y.A:C[5,2]=C[4,1]+1=2,删两个
c) j=3 X.A<>Y.C:C[5,3]=max{C[5,2],C[4,3]}=2,删除y
d) j=4 X.A<>Y.B:C[5,4]=max{C[5,3],C[4,4]}=2,删除y

(1)X=5,Y=4
查表(5,4) “2;删除y”
X=<A,B,C,D,A>
Y=<B,A,C,B>
=>
X=<A,B,C,D,A>
Y=<B,A,C>
(2)X=5,Y=3
查表(5,3) “2;删除y”
X=<A,B,C,D,A>
Y=<B,A,C>
=>
X=<A,B,C,D,A>
Y=<B,A>
(3)X=5,Y=2
查表(5,2) “2;删除两个”
X=<A,B,C,D,A>
Y=<B,A>
=>
X=<A,B,C,D>
Y=< B>
输出A
(4)X=4,Y=1
查表(4,1) “1;删除x”
X=<A,B,C,D>
Y=< B>
=>
X=<A,B,C>
Y=< B>
(4)X=3,Y=1
查表(3,1) “1;删除x”
X=<A,B,C>
Y=< B>
=>
X=<A,B>
Y=< B>
(5)X=2,Y=1
查表(2,1) “1;删两个”
X=<A,B>
Y=< B>
=>
X=< A>
Y=<>
输出B
(6)X=1,Y=0
算法结束,最终输出<B,A>

3.设计
LCS:
for(i=1;i<=lena;++i)
{
for(j=1;j<=lenb;++j)
{
if(a[i-1]==b[j-1])
dp[i][j]=dp[i-1][j-1]+1;
else
dp[i][j]=max(dp[i-1][j],dp[i][j-1]);
}
}
背包:

	for(int i=0;i<n;i++){   //滚动数组优化
		for(int j=0 ; j <= m ; j++){
		  if(j>=w[i]){
		  	dp[j]=max(dp[j],(dp[j-w[i]]+v[i]));
		  }
		} 
	}

4.分析
Lcs:O(n*n)
背包: O (n *m)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值