动态规划
有什么用
用来解决最优化问题
应用于子问题重叠的问题,即不同的子问题具有公共的子子问题(子问题的求解是递归进行的,将其划分为更小的子问题)
优点
对每个子子问题只求解一次,将其解保存在一个表格中,从而无需每次求解一个子子问题时都要重新计算,避免了不必要的计算工作
怎么用
- 将一个问题分解成多个类似的子问题,求解子问题,可用递归求解;
- 用一个关联容器来记录所有子问题的最优解,每次循环或者递归前先检查是否已经解过这个子问题,如果解过了,那么就直接使用这个解,避免了重复计算
- 一个例子:
#include <iostream>
#include <vector>
#include <unordered_map>
using namespace std;
#if 0
/** \brief 自顶向下
* \param rod vector<int>& 不同长度的收益
* \param len int 要计算收益的长度
* \param ern unordered_map<int,int>& 存储不同长度的最大收益
* \return int 最大收益
*/
int cutRod(vector<int> &rod, int len, unordered_map<int, int> &ern)
{
//int len = r-l+1;
if(len == 0) return 0;
if(ern.find(len) != ern.end())
return ern[len];
int max_ern = -1; //默认所有收益不小于零
for(int i = 0; i <len; ++i)
{
max_ern = max(max_ern,rod[i] + cutRod(rod,len-i-1,ern));
}
ern[len] = max_ern;
return max_ern;
}
#else
/** \brief 自底向上(更常用)
* \param rod vector<int>& 不同长度的收益
* \param len int 要计算收益的长度
* \param ern unordered_map<int,int>& 存储不同长度的最大收益
* \return int 最大收益
*/
int cutRod(vector<int> &rod, int len, unordered_map<int, int> &ern)
{
if(len == 0) return 0;
int max_ern = -1; //默认所有收益不小于零,将其初始化为INT_MIN可能更合理,要添加<limits>
for(int i = 1; i <= len; ++i) //i和j代表最小长度
{
for(int j = 1; j <= i; ++j)
{
max_ern = max(max_ern,rod[j-1]+ern[i-j]); //关联容器中ern[0]会自动添加并赋值0
}
ern[i] = max_ern;
}
//ern.erase(0);
return max_ern;
}
#endif
void DebugPrint(unordered_map<int, int> &iern)
{
for(auto i : iern)
{
cout << i.first << " " << i.second << endl;
}
}
int cutRod(vector<int> &rod) //返回最大收益
{
unordered_map<int, int> iern; //保存不同长度的最大收益
int ans = -1; //这里认为收益不会为负
ans = cutRod(rod, rod.size(), iern);
DebugPrint(iern);
return ans;
}
int main()
{
vector<int> rod = {1,5,8,9};
cout << cutRod(rod) << endl;
return 0;
}
什么时候用
使用动态规划求解的问题应具备的两个要素:
最优子结构和子问题重叠。
最长公共子序列(LCS)问题
序列X:[X1,X2,X3… …Xm]
序列Y:[Y1,Y2,Y3… …Yn]
X和Y的LCS: Z[Z1,Z2,Z3…Zk]
当Xm = Yn时,只有一种情况,此时由LCS的定义可知:Zk = Xm = Yn, 那么一个前缀序列Z(k-1)就是X(m-1)和Y(n-1)的一个长度为k-1的LCS。
当Xm !=Yn时,有两种情况,Zk !=Xm,那么也就说明前缀序列Z(k)是序列X(m-1)和序列Y(n)的LCS;另一种情况就是Zk != Yn,此时Z(k)是序列X(m)和序列Y(n-1)的LCS。
构造LCS:
- 判断Xm是否与Yn相等,如果相等,那么在Z(k)中的Zk就能确定,继续分析子问题Xm-1与Yn-1是否相等。
- 若Xm与Yn不相等,那么分别分析Xm-1与Yn的LCS;以及Xm与Yn-1的LCS。
- 重复1和2两个步骤,最终将会找到LCS的所有元素。
#include <iostream>
#include <vector>
#include <string>
using namespace std;
int LCS_Len(const string &X, const string &Y, const int xLen, const int yLen)
{
int i = 0;
int j = 0;
int c[xLen+1][yLen+1]; //Z长度:c[X长度+1][Y长度+1]
//避免内存泄漏
const int m = xLen;
const int n = yLen;
int flag[m][n]; //标志位
for(i = 0; i <= xLen; ++i) //Y长度为0时,无论X的长度为多少,Z的长度都应为0
c[i][0] = 0;
for(j = 0; j <= yLen; ++j)
c[0][j] = 0;
for(i = 1; i <= xLen; ++i)
{
for(j = 1; j <= yLen; ++j)
{
if(X[i-1] == Y[j-1]) //比较X、Y序列的第一个元素,Z序列的元素仅取决与X与Y相等的元素
{
c[i][j] = c[i-1][j-1] + 1;
flag[i-1][j-1] = 0;
}else
{
if(c[i-1][j] >= c[i][j-1])
{
c[i][j] = c[i-1][j];
flag[i-1][j-1] = 1;
}
else
{
c[i][j] = c[i][j-1];
flag[i-1][j-1] = -1;
}
}
}
}
return c[xLen][yLen]; //flag是标志数组,值为0的元素,对应的行号就是数组X的字符下标
}
int LCS_Len(const string &X, const string &Y)
{
const int m = X.size();
const int n = Y.size();
return LCS_Len(X,Y,m,n);
}
int main()
{
string s1 = "ABCBDAB";
string s2 = "BDCABA";
const int m = s1.size();
const int n = s2.size();
cout << LCS_Len(s1, s2) << endl; //输出的是LCS的长度。
return 0;
}
时间效率为(m*n)