公共子序列问题
~待补充
最长公共子序列
对于两个字符串A和B,A的前i位和B的前j位的最大公共子序列必然是所求解的一部分,设dp[i][j]为串A前i位和B串前j位的最长公共子序列的长度,则所求答案为dp[n][m],其中n,m分别为字符串A和B的长度,若A[i]=B[j],则该元素可以作为之前构造的公共子序列的下一位元素,dp[i][j]=dp[i-1][j-1]+1,同时判断当前记录的最长子串的结果maxlen与dp[i][j]的大小,若是大于当前的最大值maxlen,则更新maxlen的值,同时记录索引位置index。直到所有遍历完毕,得到最长子串的末尾索引和长度,可以求取子串。
代码如下:
class Solution {
public:
/**
* longest common substring
* @param str1 string字符串 the string
* @param str2 string字符串 the string
* @return string字符串
*/
string LCS(string str1, string str2) {
// write code here
int len1=str1.size();
int len2=str2.size();
vector<vector<int>>dp(len1+1,vector<int>(len2+1));
int index=0,maxlen=0;
for(int i=1;i<=len1;i++)
{
for(int j=1;j<=len2;j++)
{
if(str1[i-1]==str2[j-1])
{
dp[i][j]=dp[i-1][j-1]+1;
if(dp[i][j]>maxlen)
{
maxlen=dp[i][j];
index=i-1;
}
}
}
}
return str1.substr(index-maxlen+1,maxlen);
}
};
背包问题
0-1背包问题
有N件物品和一个容量为V的背包。第i件物品的费用是c[i],价值是w[i]。求解将哪些物品装入背包可使价值总和最大。
注意特点是:每种物品仅有一件,可以选择放或不放。
f[i][v]表示前i件物品恰放入一个容量为v的背包可以获得的最大价值。则其状态转移方程便是:
f[i][v]=max{ f[i-1][v],w[i]+f[i-1][v-c[i]] }
解释:“将前i件物品放入容量为v的背包中”这个子问题,若只考虑第i件物品的策略(放或不放),那么就可以转化为一个放前i-1件物品的问题。
- 如果不放第 i 件物品,那么问题就转化为“前i-1件物品放入容量为v的背包中”,价值为f[i-1][v];
- 如果放第 i 件物品,那么问题就转化为“前i-1件物品放入剩下的容量为v-c[i]的背包中”,此时能获得的最大价值就是f[i-1][v-c[i]]再加上通过放入第i件物品获得的价值w[i]。
【因为决定放第 i 件物品意味着背包要被占用 c[i] 容量并获得w[i]得价值,因此问题变为将前i-1件物品放入剩下的容量为v-c[i]的背包中获得的最大价值f[i-1][v-c[i]] 】
代码如下:
class Solution {
public:
/**
* 计算01背包问题的结果
* @param V int整型 背包的体积
* @param n int整型 物品的个数
* @param vw int整型vector<vector<>> 第一维度为n,第二维度为2的二维数组,vw[i][0],vw[i][1]分别描述i+1个物品的vi,wi
* @return int整型
*/
int knapsack(int V, int n, vector<vector<int> >& vw) {
// write code here
if(V<=0||n<=0||vw.empty()) return 0;
vector<vector<int>>dp(n+1,vector<int>(V+1,0));//dp[i][j]表示前i件物品装入j容量的包里最大价值
for(int i=1;i<=n;i++)
{
for(int j=1;j<=V;j++)
{
if(j<vw[i-1][0])
dp[i][j]=dp[i-1][j];
else
dp[i][j]=max(dp[i-1][j],vw[i-1][1]+dp[i-1][j-vw[i-1][0]]);
}
}
return dp[n][V];
}
};