动态规划-不相交的线

最新推荐文章于 2024-09-29 18:51:32 发布

Jasonchen1224

最新推荐文章于 2024-09-29 18:51:32 发布

阅读量406

点赞数

文章标签：动态规划算法数据结构

本文链接：https://blog.csdn.net/Jasonchen1224/article/details/129792992

版权

文章介绍了如何使用动态规划解决LeetCode上的不相交的线问题，该问题可转化为最长公共子序列（LCS）问题。通过分析最优子问题的解结构和递归定义，构建了动态规划的解决方案，避免了指数级复杂度的暴力枚举方法。文章提供了递归实现代码，并展示了问题如何从三叉树结构通过剪枝优化为二叉树或线性结构。

摘要由CSDN通过智能技术生成

动态规划-不相交的线

前言

动态规划中存在一类问题，它涉及到两个数组或链表，需要求解出两个数组中的最长公共子序列，如果要求解两个数组的最长公共子序列。如果采取最原始的方式，选择对第一个数组中的元素的不同排列进行有序组合枚举(subset)，类似采用Powerset的求解方法，紧接着采用KMP方法，在第二个数组中搜索所有的可能的subset序列，优点是理解直观，也容易编程实现；缺点也显而易见，时间和空间复杂度都很高，尤其是时间复杂度，保持在指数级别。

不相交的线问题描述

问题来源于Leetcode - 1035,

在两条独立的水平线上按给定的顺序写下 nums1 和 nums2 中的整数。

现在，可以绘制一些连接两个数字 nums1[i] 和 nums2[j] 的直线，这些直线需要同时满足满足：

nums1[i] == nums2[j]
且绘制的直线不与任何其他连线（非水平线）相交。

请注意，连线即使在端点也不能相交：每个数字只能属于一条连线。

以这种方法绘制线条，并返回可以绘制的最大连线数。

在这里插入图片描述

这个问题其实可以归结为最长公共子序列问题，由于为最长公共子序列，采用最长公共子序列对应元素绘制的直线不会与其它连线相交，因为公共子序列的搜索是线性模式，一旦搜索完成，不会进行回退处理。

问题解答

基于《算法导论》中CRCC的四步方法模板，我们对此问题进行深入剖析和理解。第一步为表征最优子问题的解结构(Characterize the structure of the optimal solution)，最优子问题一般表现为求最大、最小或者满足特定条件的解数量。

a.) 表征最优子问题的解结构

首先我们需要找到子问题的表征方式，如果采用F(i,j)来表征可以绘制的最大连线数，那么子问题有哪些呢？我们分为2种不同情况来分别探讨，

如果nums1[i]的元素和nums2[j]的元素，二者互相相等，这种情况下，F(i,j)问题的值就需要依赖F(i-1,j-1)，然后再加上1即可。也可以理解此时，问题规模都缩小1，同时，带来的连线数目也相应增加1.
如果nums2[i]位置上元素和nums2[j]元素不相等，这种情况下，F[i,j]的值就依赖于F(i-1,j)或F(i,j-1)，如果把F(i-1,j)或F(i,j-1)的描述可视化，意思就是两个数组当前位置元素既然不等，那么F(i-1,j)就表示nums1中的元素回退一个位置，然后再和数组nums2的元素进行比较；F(i,j-1)表示数组nums1元素位置保持不变，让nums2当前元素位置回退1，然后在进行相关的比较。

此时子问题的结构就显现出来，原来的问题可能是三个子问题中的任何一个，所以在程序中需要采用判断进行计算，由于判断的条件为相等或者不相等，那么整个问题的递归在空间上就构造出一颗二叉树（严格意义上来说，是带条件的的动态二叉树）。

b.) 采用递归的方式定义最优解(Recursively define the value of the optimal problem)

递归问题需要采用“从大处着眼，从小处着手”的原则，头脑中谨记递归的全局观念，那么此问题的大处可以表征为F(i,j) 其中i表示nums1的元素下标，j表示nums2的下标，按照上面的条件：
$F(i,j)=\{F(i-1,j-1)\}+1;\ if \ nums1[i]==nums2[j] \\F(i,j)=max\{F(i-1,j),F(i,j-1)\} \ nums1[i]≠nums2[j]$
采用递归定义的问题中，我们发现存在求最大值的问题，同时也有选择带来绘制线条数目增加的问题，其代价是1而已。接下来，自然而然会有问题，递归当中是否存在重合的子问题呢？答案是肯定的，只是比较隐蔽而已。采用画图的方式对此进行进一步的解释和深入的理解。

在这里插入图片描述

红色椭圆内的两个子问题，可以归结问同一个问题，也就是此问题展现出重叠子问题的基本特征。有了重叠子问题和最优解结构两大特征，我们可以声明此问题可以采用动态规划加以解决。

c) 计算最优解的值（Compute the value of the optimal solution)，一般情况下可以选择递归或迭代方式。

如果要采用递归的方式，那么就需要确定递归出口条件，经过上图观察发现，当任意一个数组中的元素个数为0的时候，此时返回0的值。这个其实也非常容易理解，如果某个数组不含有元素，那么就无法进行元素之间的连线，所以结果自然而然等于0.

递归过程中，实际上由于条件的判定，递归树出现了剪枝，剪枝的导致的结果使三叉树直接退化为二叉树或线性表（单树)。我们可以看到F(nums1[1],nums2[1,3,9])实际上是单个树，其后由于条件不同，又演化为二叉树。

d) 代码实现

代码实现过程非常简单，采用naive的递归方式，理解简单原始的问题解决方式。

函数实现代码：

/**
 * @file max_uncrossed_lines.c
 * @author your name (you@domain.com)
 * @brief 
 * @version 0.1
 * @date 2023-03-27
 * 
 * @copyright Copyright (c) 2023
 * 
 */
#ifndef MAX_UNCROSSED_LINES_C
#define MAX_UNCROSSED_LINES_C
#include "max_uncrossed_lines.h"

int max_uncrossed_lines(int *nums1, int *nums2, int i, int j)
{
    if(i==0 || j==0)
    {
        return 0;
    }

    int max_lines;
    int line_1;
    int line_2;

    if(nums1[i-1]==nums2[j-1])
    {
        max_lines=max_uncrossed_lines(nums1,nums2,i-1,j-1)+1;
    }
    else
    {
        line_1 = max_uncrossed_lines(nums1, nums2, i - 1, j);
        line_2 = max_uncrossed_lines(nums1, nums2, i, j - 1);

        max_lines=(line_1>=line_2?line_1:line_2);
    }

    return max_lines;
}

#endif

测试代码

/**
 * @file max_uncrossed_lines_main.c
 * @author your name (you@domain.com)
 * @brief 
 * @version 0.1
 * @date 2023-03-27
 * 
 * @copyright Copyright (c) 2023
 * 
 */

#ifndef MAX_UNCROSSED_LINES_MAIN_C
#define MAX_UNCROSSED_LINES_MAIN_C
#include "max_uncrossed_lines.c"

int main(void)
{
    int nums1[] = {1,2,3,7};
    int nums2[] = {1,3,9,2};
    int nums1_size=sizeof(nums1)/sizeof(int);
    int nums2_size = sizeof(nums2) / sizeof(int);

    int max_value;

    max_value=max_uncrossed_lines(nums1,nums2,nums1_size,nums2_size);

    printf("The max number of uncrossed line is %d\n",max_value);

    getchar();

    return EXIT_SUCCESS;


}

#endif