最近在复习dp,dp最重要的是设定状态,和找到状态转移方程。问了一下大牛,问他设定状态是怎么设定的。大牛给出了以下三个词:
–经验
–分析
–灵感
dp在状态的设定,原来还真不是一个按照某个规定套路来设定的。但是我们可以从一些经典的dp题目中学习一些好的dp状态设定方法。从而能使我们更好的设计自己的状态。
废话少说。
01背包
在M件物品取出若干件放在空间为W的背包里,每件物品的体积为W1,W2……Wn,与之相对应的价值为P1,P2……Pn
dp[i][j]表示前i件物品,容量为j时的最大价值。
状态转移方程 dp[i][j]=max{ dp[i-1][j],dp[i-1][j-w[i]]+P[i]};
完全背包
•有N种物品和一个容量为V的背包,每种物品都有无限件可用。第i种物品的体积是c,价值是w。求解将哪些物品装入背包可使这些物品的体积总和不超过背包容量,且价值总和最大。
dp[i][j]表示前i件物品,容量是j时候的最大价值。
dp[i][j]=max{ dp[i-1][j-k*w[i]] ,(k=0.....&&k*w[i]<=j)}
LIS
•一个数列S如果分别是已知数列的单调上升子序列,且是所有符合此条件序列中最长的,则S称为已知序列的最长上升子序列。求S。
有两种基本方法:两个时间复杂度分别为O(n^2)和O(nlogn)
对于给定数列E,元素个数为n,最长上升子序列Q满足对任意1<=i<j<=n,有Q[i]<Q[j],且E[i]<E[j]。
容易得出O(n^2)的DP递推公式: D[i]=max{D[j]}+1;(1<=j<i且E[j]<E[i]) D[i]为以元素i结尾的最长子序列个数。 这样经过两重循环一次遍历可以得到最长上升子序列。LCS
一个数列S如果分别是两个已知数列的子序列,且是所有符合此条件序列中最长的,则S称为已知序列的最长公共子序列。求S
动态规划的一个计算两个序列的最长公共子序列的方法如下:
以两个序列 X、Y 为例子: 设有二维数组 f[i,j] 表示 X 的 i 位和 Y 的 j 位之前的最长公共子序列的长度,则有: f[1][1] = same(1,1); f[i,j] = max{f[i-1][j -1] + same(i,j),f[i-1,j],f[i,j-1]} 其中,same(a,b)当 X 的第 a 位与 Y 的第 b 位完全相同时为“1”,否则为“0”。 此时,f[j]中最大的数便是 X 和 Y 的最长公共子序列的长度,依据该数组回溯,便可找出最长公共子序列。该算法的空间、时间复杂度均为O(n^2),经过优化后,空间复杂度可为O(n)。
代码实现
#include <stdio.h>
#include <string.h>
int b[50][50];
int c[50][50];
void lcs(x,m,y,n)
char *x;
int m;
char *y;
int n;
{
int i;
int j;
for (i=1;i<=m;i++) c[i][0] = 0;
for (i=1;i<=n;i++) c[0][i] = 0;
c[0][0] = 0;
for (i=1;i<=m;i++)
for (j=1;j<=n;j++)
{
if (x[i-1] == y[j-1])
{
c[i][j] = c[i-1][j-1] + 1;
b[i][j] = 1;
}
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;
}
}
}
void show(i,j,x)
int i;
int j;
char* x;
{
if (i==0||j==0)
return;
if (b[i][j]==1)
{
show(i-1,j-1,x);
printf("%c",x[i-1]);
}
else
if (b[i][j]==2)
show(i-1,j,x);
else
show(i,j-1,x);
}
void main()
{
char* x="aabcdababce";
char* y="12abcabcdace";
int m = strlen(x);
int n = strlen(y);
lcs(x,m,y,n);
show(m,n,x);
}