动态规划常见算法

动态规划

动态规划与分治方法相似，但与分治不同的是分治求解的问题是独立的。动态规划解决的问题是重叠的，即不同的子问题具有公共的子子问题，如果采用分治的方法，相同的子问题会被求解多次，从而产生不必要的时间耗费。动态规划采用能够保存已解决的子问题的答案，从而不用重复求解相同的子问题。为了达到目的，可以将每个子问题的解存入一个表格中。

动态规划常用来求解具有某种最优解的问题，这类问题可能具有多行解，每个解对应一个值，而我们需要找出最优值的解。

设计动态规划：

1. 刻画最优解的结构特征
2. 递归定义最优解的值
3. 自底向上的求出最优解
4. 利用计算出的信息构造出一个最优解

01背包问题

01背包问题

有n个物体，第i个物品价值为vi，重量为wi。背包的容量为W。如何选择装入的物品，使装入的背包的物品总价值最大。

算法策略：

1、刻画最优结构：决定问题的关键是决定哪些物体放入背包，哪些物体不放入背包。如果问题包含物品n，则xn = 1，剩余x1,x2……在容量W = W - wn 的情况的子问题构成1,2……n-1的最优解；如果问题不包含物品n，则xn=0，剩余x1,x2……在容量W = W的情况的子问题构成1,2……n-1的最优解。

2、根据最优结构来递归定义最优解的值，设c[i, w]表示在背包容量在w的情况下i个物品导致的最优解的总价值

1. 当 i=0（没有物品）或W = 0（背包没容量）时，c[i, w] = 0
2. 当wi>W（当前物品的重量超过了背包的容量），c[i,w] = c[i-1, w]（第i个物品不选，接下来考虑第i-1个物品的选择情况）
3. 当i>0且wi<=W（当存在物品，且背包能够装该物品时），c[i, w] = max(c[i-1,w-wi]+vi, c[i-1], w)（考虑选择第i个物品和不选第i个物品对于整个问题来说那种选择产生的价值更高）

3、

int rec(int n, int W, vector<int> weights, vector<int> values)
{
    if(n==0)
        return 0;
    vector<vector<int>> dp(n+1, vector<int>(W+1, 0));
    int i, j;
    for(i=1;i<=n;i++)
    {
        for(j=1;j<=W;j++)
        {
            if(weights[i-1]>W)
                dp[i][j] = d[i-1][j];
            else
            {
                dp[i][j] = max(dp[i-1][j - weights[i-1] + values[i-1], dp[i-1][j]);
            }
		}
    }
    return dp[n][W];
}

最长公共子序列

一个字符串的 子序列 是指这样一个新的字符串：它是由原字符串在不改变字符的相对顺序的情况下删除某些字符（也可以不删除任何字符）后组成的新字符串

公共子序列即为子序列Z同时是两个序列的子序列。

设X = x1x2……xm，Y = y1y2……yn。其公共子序列为Z = z1z2……zk。

如果xm = yn，且zk = xm = yn，Z(k-1)是X(m-1)和Y(n-1)的子序列

如果xm != yn，且zk != xm，则Z是X(m-1)和Y的子序列

如果xm!=yn，且zk!=yn，则Z是X和Y(n-1)的子序列

转移方程：

dp[i] [j] = 0 当i=0或j=0

dp[i] [j] = 0 当xi = yj

dp[i] [j] = max(dp[i-1] [j], dp[i] [j])，当xi!=yj

class Solution {
public:
    int longestCommonSubsequence(string text1, string text2) {
        int m = text1.length();
        int n = text2.length();
        if(m==0||n==0)
            return 0;
        vector<vector<int>> dp(m+1, vector<int>(n+1));//初始化大小为(m+1)*(n+1)，值默认为0的矩阵
        for(int i=1;i<=m;i++)
        {
            char a = text1[i-1];
            for(int j=1;j<=n;j++)
            {
                char b = text2[j-1];
                if(a==b)
                    dp[i][j] = dp[i-1][j-1] + 1;
                else
                    dp[i][j] = max(dp[i-1][j], dp[i][j-1]);
            }
        }

        return dp[m][n];
         
    }
};