动态规划算法与分治法类似,其基本思想也是将待求解的问题分解为若干个子问题,先求解子问题,然后再从若干个子问题的解得到原问题的解。与分治法不同的是,适合于用动态规划法求解的问题,经分解得到的子规模往往不是相互独立的。
动态规划算法适用于解最优化的问题。通常可以按照以下步骤设计动态规划算法:
- 找出最优解的性质,并刻画其结构特征
- 递归地定义最优值
- 以自底向上的方式计算出最优值
- 根据计算最优值时得到的信息,构造最优解
动态规划算法可有效解决最长公共子序列的问题。首先来看看最长公共子序列的定义:
这道题可以按照下面两种情况分析,解决动态规划问题最主要的是要用假设。
根据上面两种情况分析我们可以利用归纳法写出数学表达式:
因此根据数学表达式直接写出代码如下:
int lcsLength(char *X, char *Y, int m, int n)
{
if (m == 0 || n == 0)return 0;
else
{
if (X[m] == Y[n]) return lcsLength(X, Y,m - 1, n - 1) + 1;
else
{
return max(lcsLength(X, Y, m, n - 1), lcsLength(X, Y, m - 1, n));
}
}
}
int main()
{
char X[] = {
"#ABCBDAB" };
char Y[] = {
"#BDCABA" };
int mx = strlen(X) - 1;
int ny = strlen(Y) - 1;
int maxlen = lcsLength(X, Y, mx, ny);
cout << maxlen << endl;
}
从运行结果我们可以看到确实计算出了X和Y的最长公共子序列的长度是4:
但是很明显这个程序重复计算了好多次相同规模的情况,因此我们用一个二维数组来标记,减少重复计算相同规模的子序列。
void PrintVector(vector<vector<int>>& c)
{
for (int i = 0; i < c.size(); i++)
{
for (int j = 0; j < c[i].size(); j++)
{
cout << c[i][j] << " "