算法图解：动态规划求解背包问题、最长公共子串、最长公共子序列

最新推荐文章于 2024-08-12 21:49:42 发布

wamg潇潇

最新推荐文章于 2024-08-12 21:49:42 发布

阅读量1.6k

点赞数 3

本文链接：https://blog.csdn.net/qq_29831163/article/details/99696545

版权

背包问题

问题描述：假设你是个小偷，背着一个可装4磅东西的背包。你可盗窃的商品有如下3件。为了让盗窃的商品价值最高，你该选择哪些商品？

商品名称	重量（磅）	价值（美元）
音响	4	3000
笔记本电脑	3	2000
吉他	1	1500

每个动态规划算法都从一个网格开始，背包问题的网格如下。

网格的各行为商品，各列为不同容量（1～4磅）的背包。

所有这些列你都需要，因为它们将帮助你计算子背包的价值。

网格最初是空的。你将填充其中的每个单元格，网格填满后，就找到了问题的答案！

你一定要跟着做。请你创建网格，我们一起来填满它。下面来开始填充网格。

第一个单元格表示背包的容量为1磅。吉他的重量也是1磅，这意味着它能装入背包！因此这个单元格包含吉他，价值为1500美元。由于这是第一行，只有吉他可供你选择。假装现在还没法盗窃其他两件商品。这行表示的是当前的最大价值。它指出，如果你有一个容量4磅的背包，可在其中装入的商品的最大价值为1500美元。

原来的问题说的是4磅的背包，我们为何要考虑容量为1磅、2磅等的背包呢？

动态规划从小问题着手，逐步解决大问题。

随着算法往下执行，你将逐步修改最大价值。你现在出于第二行【音响行】，可偷的商品有吉他和音响。在每一行，可偷的商品都为当前行的商品以及之前各行的商品。因此，当前你还不能偷笔记本电脑，而只能偷音响和吉他。
我们先来看第一个单元格，它表示容量为1磅的背包。在此之前，可装入1磅背包的商品的最大价值为1500美元。
但由于容量1磅的背包装不下音响，因此最大价值依然是1500美元。接下来的两个单元格的情况与此相同。在这些单元格中，背包的容量分别为2磅和3磅，而以前的最大价值为1500美元。由于这些背包装不下音响，因此最大价值保持不变。
如果背包的容量为4磅，能够装下音响！原来的最大价值为1500美元，但如果在背包中装入音响而不是吉他，价值将为3000美元！你更新了最大价值！在这个网格中，你逐步地更新最大价值。

笔记本电脑行：笔记本电脑重3磅，没法将其装入容量为1磅或2磅的背包，因此前两个单元格的最大价值还是1500美元。
对于容量为3磅的背包，原来的最大价值为1500美元，但现在你可选择盗窃价值2000美元的笔记本电脑而不是吉他，这样新的最大价值将为2000美元！
对于容量为4磅的背包【非常重要的部分】当前的最大价值为3000美元，你可不偷音响，而偷笔记本电脑，但它只值2000美元。价值没有原来高。但笔记本电脑的重量只有3磅，背包还有1磅的容量没用！
在1磅的容量中，可装入的商品的最大价值是多少呢？根据之前计算的最大价值可知，在1磅的容量中可装入吉他，价值1500美元。
笔记本电脑和吉他的总价值为3500美元，因此偷它们是更好的选择。最终的网格类似于下面这样。

其实，计算每个单元格的价值时，使用的公式都相同。使用这个公式来计算每个单元格的价值，最终的网格将与前一个网格相同。为何要求解子问题？因为你可以合并两个子问题的解来得到更大问题的解。

思考：增加一件商品将如何呢假设你发现还有第四件商品可偷——一个iPhone！【重量为1磅，价值2000美元】

此时需要重新执行前面所做的计算吗？---------不需要。别忘了，动态规划逐步计算最大价值。

到目前为止，计算出的最大价值如前面所示。也就是说背包容量为4磅时，你最多可偷价值3500美元的商品。

下面再添加表示iPhone的行。最大价值可能发生变化！请尝试填充这个新增的行。

我们从第一个单元格开始。iPhone可装入容量为1磅的背包。之前的最大价值为1500美元，但iPhone价值2000美元，因此该偷iPhone而不是吉他。
在下一个单元格中，你可装入iPhone和吉他。对于第三个单元格，也没有比装入iPhone和吉他更好的选择了。
对于最后一个单元格:当前的最大价值为3500美元，但你可偷iPhone，这将余下3磅的容量。

3磅容量的最大价值为2000美元！再加上iPhone价值2000美元，总价值为4000美元。因此更新最大价值！最终的网格如下。

问题：沿着一列往下走时，最大价值有可能降低吗？

答案：不可能。每次迭代时，你都存储当前的最大价值。最大价值不可能比以前低！

练习

1 假设你还可偷另外一件商品——MP3播放器，它重1磅，价值1000美元。你要偷吗？

2 行的排列顺序发生变化时结果将如何答案会随之变化吗？假设你按如下顺序填充各行：音响、笔记本电脑、吉他。网格将会是什么样的？请自己动手填充这个网格。【答案没有变化。也就是说，各行的排列顺序无关紧要。】

3. 可以逐列而不是逐行填充网格吗？就这个问题而言，这没有任何影响，但对于其他问题，可能有影响。

4. 增加一件更小的商品将如何呢假设你还可以偷一条项链，它重0.5磅，价值1000美元。前面的网格都假设所有商品的重量为整数，但现在你决定把项链给偷了，因此余下的容量为3.5磅。在3.5磅的容量中，可装入的商品的最大价值是多少呢？不知道！因为你只计算了容量为1磅、2磅、3磅和4磅的背包可装下的商品的最大价值。现在，你需要知道容量为3.5磅的背包可装下的商品的最大价值。由于项链的加入，你需要考虑的粒度更细，因此必须调整网格。

1 .要。在这种情况下，你可偷来MP3播放器和iPhone和吉他，总价值为4500美元。

5. 可以偷商品的一部分吗？

答案是没法处理。使用动态规划时，要么考虑拿走整件商品，要么考虑不拿，而没法判断该不该拿走商品的一部分。

但使用贪婪算法可轻松地处理这种情况！首先，尽可能多地拿价值最高的商品；如果拿光了，再尽可能多地拿价值次高的商品，以此类推。

6. 旅游行程最优化假设你要去伦敦度假，假期两天，但你想去游览的地方很多。你没法前往每个地方游览，因此你列个单子。对于想去游览的每个名胜，都列出所需的时间以及你有多想去看看。根据这个清单，你能确定该去游览哪些名胜吗？这也是一个背包问题！但约束条件不是背包的容量，而是有限的时间；不是决定该装入哪些商品，而是决定该去游览哪些名胜。请根据这个清单绘制动态规划网格，再接着往下读。

答案如下：

7 处理相互依赖的情况: 假设你还想去巴黎，因此在前述清单中又添加了几项。去这些地方游览需要很长时间，因为你先得从伦敦前往巴黎，这需要半天时间。如果这3个地方都去玩，是不是要4.5天呢？

不是的，因为不是去每个地方都得先从伦敦到巴黎。到达巴黎后，每个地方都只需1天时间。因此玩这3个地方需要的总时间为3.5天（半天从伦敦到巴黎，每个地方1天），而不是4.5天。将埃菲尔铁塔加入“背包”后，卢浮宫将更“便宜”：只要1天时间，而不是1.5天。如何使用动态规划对这种情况建模呢？

没办法建模。动态规划功能强大，它能够解决子问题并使用这些答案来解决大问题。但仅当每个子问题都是离散的，即不依赖于其他子问题时，动态规划才管用。这意味着使用动态规划算法解决不了去巴黎玩的

去这些地方游览需要很长时间，因为你先得从伦敦前往巴黎，这需要半天时间。如果这3个地方都去玩，是不是要4.5天呢？不是的，因为不是去每个地方都得先从伦敦到巴黎。到达巴黎后，每个地方都只需1天时间。因此玩这3个地方需要的总时间为3.5天（半天从伦敦到巴黎，每个地方1天），而不是4.5天。

将埃菲尔铁塔加入“背包”后，卢浮宫将更“便宜”：只要1天时间，而不是1.5天。如何使用动态规划对这种情况建模呢？没办法建模。动态规划功能强大，它能够解决子问题并使用这些答案来解决大问题。但仅当每个子问题都是离散的，即不依赖于其他子问题时，动态规划才管用。这意味着使用动态规划算法解决不了去巴黎玩的问题。

根据动态规划算法的设计，最多只需合并两个子背包，即根本不会涉及两个以上的子背包。不过这些子背包可能又包含子背包。最优解可能导致背包没装满吗?完全可能。

2 假设你要去野营。你有一个容量为6磅的背包，需要决定该携带下面的哪些东西。其中每样东西都有相应的价值，价值越大意味着越重要：请问携带哪些东西时价值最高？

水（重3磅，价值10）；书（重1磅，价值3）;食物（重2磅，价值9）；夹克（重2磅，价值5）；相机（重1磅，价值6）。

答案： 2 你应携带水、食物和相机。

最长公共子串

动态规划可帮助你在给定约束条件下找到最优解。在背包问题中，你必须在背包容量给定的情况下，偷到价值最高的商品。
在问题可分解为彼此独立且离散的子问题时，就可使用动态规划来解决。
每种动态规划解决方案都涉及网格。
单元格中的值通常就是你要优化的值。在前面的背包问题中，单元格的值为商品的价值。
每个单元格都是一个子问题，因此你应考虑如何将问题分成子问题，这有助于你找出网格的坐标轴。

假设你管理着网站dictionary.com。用户在该网站输入单词时，你需要给出其定义。但如果用户拼错了，你必须猜测他原本要输入的是什么单词。例如，Alex想查单词fish，但不小心输入了hish。在你的字典中，根本就没有这样的单词，但有几个类似的单词。单元格中的值通常就是你要优化的值。先思考以下问题，再绘制网格

单元格中的值是什么？如何将这个问题划分为子问题？网格的坐标轴是什么？

在这个例子中，你要计算出两个单词的最长公共子串。hish和fish都包含的最长子串是什么呢？hish和vista呢？

如何将这个问题划分为子问题呢？先比较his和fis。每个单元格都将包含这两个子串的最长公共子串的长度。因此坐标轴很可能是这两个单词。

填充该网格的每个单元格时，该使用什么样的公式呢？必须通过尝试才能找出管用的公式。

费曼算法（Feynman algorithm）是以著名物理学家理查德·费曼命名的，其步骤如下。

(1) 将问题写下来。(2) 好好思考。(3) 将答案写下来。

有些算法并非精确的解决步骤，而只是帮助你理清思路的框架；

查找单词hish和fish，hish和vista的最长公共子串时，网格如下。

'''实现这个公式的伪代码  '''
if word_a[i] == word_b[j]:  ←---------两个字母相同  
    cell[i][j] = cell[i-1][j-1] + 1
else:  ←------------------------------两个字母不同  
    cell[i][j] = 0

对于前面的背包问题，最终答案总是在最后的单元格中。但对于最长公共子串问题，答案为网格中最大的数字——它可能并不位于最后的单元格中。

哪个单词与hish更像？hish和fish的最长公共子串包含三个字母，而hish和vista的最长公共子串包含两个字母。因此Alex很可能原本要输入的是fish。

最长公共子序列

假设Alex不小心输入了fosh，他原本想输入的是fish还是fort呢？我们使用最长公共子串公式来比较它们。

最长公共子串的长度相同，都包含两个字母！但fosh与fish更像。

这里比较的是最长公共子串，但其实应比较最长公共子序列：两个单词中都有的序列包含的字母数。如何计算最长公共子序列呢？最终的网格如下：

下面是填写各个单元格时使用的公式。

'''伪代码如下'''
if word_a[i] == word_b[j]:      ←--------两个字母相同  
    cell[i][j] = cell[i-1][j-1] + 1
else:     ←------------------------------两个字母不同  
    cell[i][j] = max(cell[i-1][j], cell[i][j-1])

动态规划都有哪些实际应用呢？

生物学家根据最长公共序列来确定DNA链的相似性，进而判断两种动物或疾病有多相似。最长公共序列还被用来寻找多发性硬化症治疗方案。

git diff等命令指出两个文件的差异，也是使用动态规划实现的。

编辑距离（levenshtein distance）指出了两个字符串的相似程度，也是使用动态规划计算得到的。编辑距离算法的用途很多，从拼写检查到判断用户上传的资料是否是盗版...。

Microsoft Word等具有断字功能的应用程序如何确定在什么地方断字以确保行长一致呢？使用动态规划！

练习

1 请绘制并填充用来计算blue和clues最长公共子串的网格。

需要在给定约束条件下优化某种指标时，动态规划很有用。

问题可分解为离散子问题时，可使用动态规划来解决。

每种动态规划解决方案都涉及网格。单元格中的值通常就是你要优化的值。

每个单元格都是一个子问题，因此你需要考虑如何将问题分解为子问题。

没有放之四海皆准的计算动态规划解决方案的公式。