【算法导论之七】动态规划求解最长公共子序列

一、动态规划的概念

        动态规划（Dynamic Programming）是通过组合子问题的解而解决整个问题的。分治算法是指将问题划分成一些独立的子问题，递归地求解各子问题，然后合并子问题的解而得到原始问题的解，与此不同，动态规划适用于子问题不是独立的情况，也就是各个子问题包含公共的子问题。在这种情况下，采用分治法会做许多不必要的工作，即重复地求解公共地子问题。动态规划算法对每个子问题只求解一次，将其结果保存在一张表中，从而避免每次遇到各个子问题时重新计算答案。

        动态规划通常应用于最优化问题。此类问题可能有很多种可行解。每个解有一个值，而我们希望找出具有最优（最大或最小）值的解。称这样的解为该问题的“一个”最优解，而不是“确定的”最优解，因为可能存在多个取最优值的解。

        为了节约重复求相同子问题的时间，引入一个数组，不管他们是否对最终解有用，把所有子问题的解存于该数组中，这就是动态规划所采用的基本方法。

二、动态规划求解的一般步骤

        动态规划算法的设计可以分为如下4个步骤：

        1> 描述最优解的结构。

        2> 递归定义最优解的值。

        3> 按自底向上的方式计算最优解的值。

        4> 由计算出的结果构造一个最优解。

        这就是动态规划算法的一般步骤，单这么说肯定没有任何意义，下面我们会通过求解最长公共子序列问题来说明，如何一步步的适用动态规划思想分析问题。

三、最长公共子序列问题描述

        问题描述：字符序列的子序列是指从给定字符序列中随意地（不一定连续）去掉若干个字符（可能一个也不去掉）后所形成的字符序列。令给定的字符序列 X = "x0, x1, ... xm-1"，字符序列 Y = "y0, y1, ... , yk-1"是X的子序列，则存在X的一个严格递增（注意：不是连续递增）下标序列<i0, i1, ... , ik-1>，使得对所有的j=1=0, 1, ... , k-1，有xj = yj。例如，X="ABCBDAB", Y="BCDB"是X的一个子序列。

        先给出问题：假设字符串X = “ABCBDAB”， Y=“BDCABA”，求他们的最长公共子序列。

四、动态规划求解最长公共子序列问题

        1> 描述最优解的结构。

              解决上述问题的一种强力方法是枚举出X的所有子序列，然后逐一检查看其是否为Y的子序列，并随时记录所发现的最长子序列。X的每个子序列对应于X的下标集{1，2，... ，m}的一个子集。X共有2^m个子序列，因此这种方法需要指数时间，这对长序列来说是不实际的。

              设 X = <x1, x2, ... , xm> 和 Y = <y1, y2, ... , yn>为两个序列，并设Z = <z1, z2, ... , zk>为X和Y的任意一个最长公共子序列。则我们可以得出以下的结论：