掌握动态规划求解问题的思想;针对不同的问题,会利用动态规划进行设计求解以及时间复杂度分析,并利用JAVA/C/C++等编程语言将算法转换为对应的程序上机运行(语言自选)。
理解两组序列的最长公共子序列问题,能够根据动态规划思想,进行最优子结构性质分析、子结构递归关系构建、编码实现子结构最优值求解以及最优解构造。
实验要求:
①掌握动态规划求解问题的策略及思路;
①基于动态规划算法设计求解序列的最长公共子序列;
③对上述算法进行时间复杂性分析,并输出程序运行时间及运行结果。
理解:
求解过程是多阶段决策的时候,每一步处理一个子问题,可用于求解最后的组合优化问题。我们能够保存已解决的子问题的答案,在需要时再找出已求得的答案,这样就可以避免大量的重复计算。我们用一个表来记录所有已解的子问题的答案。而且用动态规划方法必须满足优化原则,就是说最优解的任何一个子问题的解的状态是最优的解,也必须不是相互独立的。下面以求最短路径问题为例子。
例子:X={A,B,C,B,A,D,B},Y={B,C,B,A,A,C},那么,二者的最长公共子序列是{B,C,B,A},长度为4。
先明白最长公共子序列和最长公共子串,找两个字符串的最长公共子串,这个子串要求在原字符串中是连续的。而最长公共子序列则并不要求连续。利用动态规划解决最长公共子序列问题的理解,界定子问题,子问题的依赖LCS,以及求LCS长度,最后构造最优解,如图所示。
四、实验步骤
完整代码实现;包括代码详细解释及功能设计说明。要求:格式清晰、卷面规范整洁。
package week5;
//最长公共子序列
public class zd {
public static int lcscd(char[] x,char[] y,int[][] b){
int m = x.length; // x数组的长度
int n = y.length;
// 首先要初始化第一行和第一列为0
int[][] c = new int[m+1][n+1];
// 第一行第一列初始化为0
for (int i = 1; i <= m; i++) {
c[i][0] = 0;
}
for (int i = 1; i <= n; i++) {
c[0][i] = 0;
}
// 找公共子序列 从第一个字母开始
for (int i = 1; i <= m; i++) {
for (int j = 1; j <= n; j++) {
// 求三种情况下的 c[i][j]
if (x[i-1] == y[j-1]){ //这是两个序列当前对比元素相等的时候,这个时候要在前一个右上对角元素上+1
c[i][j] = c[i-1][j-1] + 1;
b[i][j] = 1;
}
// 在上边或者左边取一个较大的填入当前的c[i][j]
// b数组是用来标识哪个情况是序列字母相等的,可以用于输出工作
else if (c[i-1][j] >= c[i][j-1]){
c[i][j] = c[i-1][j];
b[i][j] = 2;
}
else {
c[i][j] = c[i][j-1];
b[i][j] = 3;
}
}
}
// 把c输出可以看出一个运算过程
show(c);
return c[m][n]; //返回最长序列的长度
}
// 最长公共子序列
public static void Lcs(int i,int j,char[] x,int[][] b){
if (i==0 || j==0)
return;
// 上述记录的元素相等的情况输出
if (b[i][j] == 1){
Lcs(i-1,j-1,x,b); //递归回对角上的情况
System.out.print(x[i-1]+" ");
}
else if (b[i][j] == 2){
Lcs(i-1,j,x,b);
}
else {
Lcs(i,j-1,x,b);
}
}
// 打印数组
public static void show(int[][] arr){
for (int i = 0; i < arr.length; i++) {
for (int j = 0; j < arr[0].length; j++) {
System.out.print(arr[i][j]+" ");
}
System.out.println();
}
}
public static void main(String[] args) {
char[] x = new char[]{'a','d','c','b','c','a'};
char[] y = new char[]{'a','b','c','d','c','d'};
int[][] b = new int[x.length+1][y.length+1];
System.out.println("最长子序列长度:"+lcscd(x,y,b));
System.out.println("最长公共子序列:");
Lcs(x.length,y.length,x,b);
}
}
五、记录与处理(实验数据、误差分析、结果分析)
实验数据及结果分析:
六、思考与总结
我认为动态规划算法是很好用的算法,应备受推崇,他是真的强,真的用空间换时间的,可以将时间复杂度很高的问题降低其时间复杂度,现在硬件很好,不怕空间不够,这种算法应多多推广。
最长公共子序列问题,就是要先理解最长公共子序列和最长公共子串。利用动态规划求解最主要就是数组c【i,j】,就是记录子问题的数据结构。分三种特殊情况,在里面找到最长公共子序列的长度。建立递推关系式利用最优子结构。找出最优就可以了。能弄明白这几点,最长公共子序列问题就迎刃而解。