动态规划
选择的算法: 最长公共子序列
算法概述:
- 动态规划是一种在数学、管理科学、计算机科学、经济学和生物信息学中使用的,通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。
- 最长公共子序列,最长公共子序列是一个在一个序列集合中用来查找所有序列中最长子序列的问题。
步骤分析:
- 假设我们求题——对于两个子序列 Str1 和 Str2,找出它们最长的公共子序列。
- 定义一个二维数组 dp 用来存储最长公共子序列的长度如下面的表格所示,用 dp[i][j] 表示 Str1 的前 i 个字符与 Str2 的前 j 个字符最长公共子序列的长度。
| | 0 | 1 | 2 | j |
| ------------ | ------------ | ------------ | ------------ | ------------ |
| 0 | 0 | 0 | 0 | 0 |
| 1 | 0 | 0 | 1 | 1 |
| 2 | 0| 0 | 1| 1 |
| i | 0 | 0 | 1 | dp[i][j] |
*上面这个表格中,Str1是行,Str2是列; 该表用二维数组的关系展示它们之间的信息表dp *
- 这里分为两种情况判断Str1[ i ] 与 Str2[ j ] 值是否相等:
当 Str1[ i ]== Str2[ j ] 时,那么就能在 Str1 的前 i -1 个字符与 Str2 的前 j -1 个字符最长公共子序列的基础上再加上 Str1[i] 这个值,最长公共子序列长度加 1,即 dp[i][j] = dp[i-1][j-1] + 1。
当 Str1[ i ] != Str2[ j ]时,此时最长公共子序列为 Str1 的前 [ i -1] 个字符和 Str2 的前 j 个字符最长公共子序列,或者 Str1 的前 i 个字符和 Str2 的前 j-1 个字符最长公共子序列,取它们的最大者,即 dp[i][j] = max{ dp[i-1][j], dp[i][j-1] }。 - 对于长度为 M 的序列 Str1 和长度为 N 的序列 Str2,dp[M][N] 就是序列 Str1 和序列 Str2 的最长公共子序列长度。
实验代码:
#include <iostream>
#include <vector>
using namespace std;