动态规划
动态规划算法通常用于求解具有某种最优性质的问题。我对动态规划的理解还比较浅显,目前认为动态有这几个特点:
1.把原问题分解为子问题,这个有点像分治法,但与分治法不同的是,动态规划里上一级问题的求解依赖于下一级问题的解答,而在分治法里,如归并排序,即使下一子集没有排好序,上一级代码也可以得到执行(不过答案就不对了)。
2.动态规划存在重复计算的子问题,一般为了避免重复计算而不会用递归。
3.动态规划将未知转化成已知。
最长公共子序列
子序列: 一个序列A = a1,a2,……an,中任意删除若干项,剩余的序列叫做A的一个子序列。也可以认为是从序列A按原顺序保留任意若干项得到的序列。
最长公共子序列(longest common sequence)和最长公共子串(longest common substring)不是一回事儿。
公共子序列 : 顾名思义,如果序列C既是序列A的子序列,同时也是序列B的子序列,则称它为序列A和序列B的公共子序列。
最长公共子序列:A和B的公共子序列中长度最长的(包含元素最多的)叫做A和B的公共子序列。
分析:
#include"stdafx.h"
#include <iostream>
#include <cstring>
using namespace std;
const int N = 1024;
int c[N][N], b[N][N];
char s1[] = "abcdefg", s2[] = "bcdagh";
int len1, len2;
void LCS()
{
for (int i = 0; i <= len1; i++){
c[i][0] = 0;
}
for (int j = 0; j <= len2; j++){
c[0][j] = 0;
}
for (int i = 1; i <= len1; i++){
for (int j = 1; j <= len2; j++){
if (s1[i - 1] == s2[j - 1]){ //注:此处的s1与s2序列是从s1[0]与s2[0]开始的
c[i][j] = c[i - 1][j - 1] + 1;
b[i][j] = 1;
}
else{
if (c[i][j - 1] >= c[i - 1][j]){
c[i][j] = c[i][j - 1];
b[i][j] = 2;
}
else{
c[i][j] = c[i - 1][j];
b[i][j] = 3;
}
}
}
}
}
void LCS_PRINT(int i, int j)
{
if (i == 0 || j == 0){
return;
}
if (b[i][j] == 1){
LCS_PRINT(i - 1, j - 1);
cout << s1[i - 1];
}
else if (b[i][j] == 2){
LCS_PRINT(i, j - 1);
}
else{
LCS_PRINT(i - 1, j);
}
}
int main()
{
len1 = strlen(s1);
len2 = strlen(s2);
LCS();
cout << "s1与s2的最长公共子序列的长度是:" << c[len1][len2] << endl;
cout << "s1与s2的最长公共子序列是:";
LCS_PRINT(len1, len2);
cout << endl;
for (int i = 0; i <= len1; i++)
{
for (int j = 0; j <= len2; j++)
{
cout << c[i][j] << " ";
}
cout << endl;
}
cout << "__________________" << endl;
for (int i = 0; i <= len1; i++)
{
for (int j = 0; j <= len2; j++)
{
cout << b[i][j] << " ";
}
cout << endl;
}
system("pause");
return 0;
}