动态规划算法思想
动态规划算法是一种解决问题的方法,它将复杂的问题分解成更小、更简单的子问题。这些子问题不是完全独立的,它们之间存在关联。动态规划通过记录这些子问题的解(通常是在一个表格中),来避免重复计算,从而提高效率。
动态规划步骤
- 找出最优解的性质:确定问题的最优解应该具备哪些特点。
- 递归地定义最优值:根据子问题的定义,递归地表达原问题的最优解。
- 自底向上计算最优值:从最基本的子问题开始,逐步计算更复杂问题的最优解。
- 构造最优解:利用计算过程中得到的信息,构建问题的最优解。
最长公共子序列
题目
给定两个序列,找出它们的最长公共子序列(LCS)。子序列是指在不改变字符相对顺序的情况下,从原序列中删除一些(或不删除)字符后形成的序列。
子序列与子串
- 子序列:可以删除原序列中的一些字符,但保留剩余字符的相对顺序。
如上图,给定的字符序列: {a,b,c,d,e,f,g,h},它的子序列示例: {a,c,e,f} 即元素b,d,g,h被去掉后,保持原有的元素序列所得到的结果就是子序列。同理,{a,h},{c,d,e}等都是它的子序列。- 子串:是原序列中连续字符的序列。
它的字串示例:{c,d,e,f} 即连续元素c,d,e,f组成的串是给定序列的字串。同理,{a,b,c,d},{g,h}等都是它的字串。
例子
给定序列 s1={1,3,4,5,6,7,7,8}
和 s2={3,5,7,4,8,6,7,8,2}
,它们的一个最长公共子序列是 {3,4,6,7,8}
。
s1和s2的相同子序列,且该子序列的长度最长,即是LCS。
情况1:S1和S2的最后一个元素相等
如果 S1
的最后一个元素与 S2
的最后一个元素相等,那么 S1
和 S2
的 LCS 就等于 {S1去掉最后一个元素} 与 {S2去掉最后一个元素} 的 LCS
再加上 S1
和 S2
相等的最后一个元素。
情况2:S1和S2的最后一个元素不相等
如果 S1
的最后一个元素与 S2
的最后一个元素不相等(如本例),那么 S1
和 S2
的 LCS 就等于:
{S1去掉最后一个元素} 与 S2 的 LCS
{S2去掉最后一个元素} 与 S1 的 LCS
我们需要从这两个结果中选择较大的那个作为最终的 LCS。
动态规划算法设计
最优解结构性质
我们假设 Z
是序列 X
和 Y
的最长公共子序列。这个假设的目的是为了使问题的规模不断缩小。
序列定义
X = {x1, x2, ..., xm}
,长度为m
Y = {y1, y2, ..., yn}
,长度为n
Z = {z1, z2, ..., zk}
,长度为k
情况分析
-
当
xm == yn == zk
时:- 如果序列
X
的最后一个元素等于序列Y
的最后一个元素,并且这个元素也是序列Z
的最后一个元素,那么我们可以将问题简化为求X
去掉最后一个元素后与Y
去掉最后一个元素后的 LCS。
- 如果序列
-
当
xm != yn
或zk != xm
时:- 如果
X
的最后一个元素不等于Y
的最后一个元素,或者Z
的最后一个元素不等于X
的最后一个元素,那么我们需要考虑两种情况:Z
去掉最后一个元素等于X
去掉最后一个元素与Y
的 LCSZ
去掉最后一个元素等于X
与Y
去掉最后一个元素的 LCS
- 如果
状态转移方程
状态转移方程是动态规划算法的核心,它描述了如何根据子问题的解来构建原问题的解。
递归公式
-
基本情况:
- 当
i
或j
为 0 时,最长公共子序列的长度为 0。 c[i][j] = (i == 0 || j == 0) ? 0 : ...
- 当
-
状态转移:
- 如果
X
的第i
个元素等于Y
的第j
个元素,则:c[i][j] = c[i-1][j-1] + 1
- 否则:
c[i][j] = max(c[i-1][j], c[i][j-1])
- 如果
所以递归方程为
5.计算LCS的长度
图中的空白格子需要填上相应的数字(这个数字就是c[i,j]的定义,记录的LCS的长度值)。填的规则依据递归公式,简单来说:如果横竖(i,j)对应的两个元素相等,该格子的值 = c[i-1,j-1] + 1。如果不等,取c[i-1,j] 和 c[i,j-1]的最大值。首先初始化该表:
然后,一行一行地从上往下填:
S1的元素3 与 S2的元素3 相等,所以 c[2,1] = c[1,0] + 1。继续填充:
S1的元素3 与 S2的元素5 不等,c[2,2] =max(c[1,2],c[2,1]),图中c[1,2] 和 c[2,1] 背景色为浅黄色。
中间几行填写规则不变,直接跳到最后一行:
该表填完。根据性质,c[8,9] = S1 和 S2 的 LCS的长度,即为5。
构造LCS
本文S1和S2的最LCS并不是只有1个,本文并不是着重讲输出两个序列的所有LCS,只是介绍如何通过上表,输出其中一个LCS。
我们根据递归公式构建了上表,我们将从最后一个元素c[8][9]倒推出S1和S2的LCS。
c[8][9] = 5,且S1[8] != S2[9],所以倒推回去,c[8][9]的值来源于c[8][8]的值(因为c[8][8] > c[7][9])。
c[8][8] = 5, 且S1[8] = S2[8], 所以倒推回去,c[8][8]的值来源于 c[7][7]。
以此类推,如果遇到S1[i] != S2[j] ,且c[i-1][j] = c[i][j-1] 这种存在分支的情况,这里请都选择一个方向(之后遇到这样的情况,也选择相同的方向)。
第一种结果为:
这就是倒推回去的路径,棕色方格为相等元素,即LCS = {3,4,6,7,8},这是其中一个结果。
如果如果遇到S1[i] != S2[j] ,且c[i-1][j] = c[i][j-1] 这种存在分支的情况,选择另一个方向,会得到另一个结果。
即LCS ={3,5,7,7,8}。
时间复杂度
- 构建动态规划表c[i][j]的时间复杂度是Θ(mn),其中m和n分别是S1和S2的长度。
- 输出一个LCS的时间复杂度是Θ(m+n),因为回溯过程中最多只会访问S1和S2的每个元素一次。
全部LCS
为了输出全部的LCS,我对lcs.cpp
中的print_lcs
函数进行了改进,改进后的代码见lcs_all.cpp
。在lcs_all.cpp
中,我从动态规划表右下角开始回溯,直到到达表的上边界或左边界停止。若sx[i-1]
等于sy[j-1]
,则把这个字符放入最长公共子序列中;若sx[i-1]
不等于sy[j-1]
,则比较c[i-1][j]
和c[i][j-1]
的值,跳入值较大的继续进行判断;若c[i-1][j]
等于c[i][j-1]
,说明最长公共子序列有多个,两边都要进行回溯。最后将所有的LCS都保存在集合中。需要注意的是:当字符串过长时,由于回溯范围过广,输出全部的LCS耗时很长。
详细步骤
-
从右下角开始回溯:
- 从动态规划表的右下角开始,即
c[m][n]
,其中m
和n
分别是字符串S1
和S2
的长度。
- 从动态规划表的右下角开始,即
-
比较字符:
- 若
S1[i-1]
等于S2[j-1]
,则说明这个字符是LCS的一部分,将其加入到结果中,并继续回溯到c[i-1][j-1]
。
- 若
-
选择较大值:
- 若
S1[i-1]
不等于S2[j-1]
,则比较c[i-1][j]
和c[i][j-1]
的值,选择较大的那个继续回溯。
- 若
-
处理分支:
- 若
c[i-1][j]
等于c[i][j-1]
,说明存在多个LCS,需要同时回溯两个方向。
- 若
-
保存结果:
- 将所有找到的LCS保存在一个集合中,以确保不重复。
代码
#include <stdio.h> // 包含标准输入输出库
#include <string.h> // 包含字符串处理库
#define MAX 50 // 定义最大字符串长度为50
char str1[MAX]; // 定义第一个字符串数组
char str2[MAX]; // 定义第二个字符串数组
int n1, n2; // 定义两个字符串的长度变量
int dp[MAX][MAX]; // 定义动态规划数组,用于存储LCS的长度
char s[MAX]; // 定义一个字符数组,用于存储最长公共子序列
int count; // 定义一个计数器,用于记录最长公共子序列的长度
void view(); // 声明view函数,用于输出最长公共子序列
void LCS(); // 声明LCS函数,用于计算LCS
int max(int a, int b); // 声明max函数,用于比较两个整数的大小
int main() {
printf("请输入两个字符串\n"); // 提示用户输入两个字符串
scanf("%s %s", str1, str2); // 读取用户输入的两个字符串
n1 = strlen(str1); // 计算第一个字符串的长度
n2 = strlen(str2); // 计算第二个字符串的长度
LCS(); // 调用LCS函数计算LCS
view(); // 调用view函数输出LCS
printf("第一个字符串:%s\n第二个字符串:%s\n", str1, str2); // 输出两个字符串
printf("长度:%d\n", dp[n1][n2]); // 输出LCS的长度
printf("最长子序列:%s\n", s); // 输出LCS
return 0; // 程序正常结束
}
int max(int a, int b) {
return a > b ? a : b; // 如果a大于b,返回a,否则返回b
}
void LCS() {
for (int i = 0; i <= n1; i++) { // 初始化dp数组的第一行
dp[i][0] = 0; // 如果任一字符串为空,LCS长度为0
}
for (int j = 0; j < n2; j++) { // 初始化dp数组的第一列
dp[0][j] = 0; // 如果任一字符串为空,LCS长度为0
}
for (int i = 1; i <= n1; i++) { // 遍历str1的每个字符
for (int j = 1; j <= n2; j++) { // 遍历str2的每个字符
if (str1[i - 1] == str2[j - 1]) // 如果两个字符相等
dp[i][j] = dp[i - 1][j - 1] + 1; // LCS长度为左上角值加1
else
dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]); // 否则取上方和左方的最大值
}
}
}
void view() {
int i = n1, j = n2; // 从字符串的末尾开始
count = dp[n1][n2] - 1; // 记录最长公共子序列的长度
while (count >= 0) { // 遍历dp数组,回溯找到LCS
if (dp[i][j] == dp[i - 1][j - 1]) { // 如果当前位置的值等于左上角的值
s[count] = str1[i - 1]; // 说明这个字符是LCS的一部分
count--; i--; j--; // 移动到左上角
} else if (dp[i][j] == dp[i][j - 1]) { // 如果当前位置的值等于正上方的值
j--; // 说明这个字符不是LCS的一部分,移动到正上方
} else { // 如果当前位置的值等于正左方的值
i--; // 说明这个字符不是LCS的一部分,移动到正左方
}
}
s[count + 1] = '\0'; // 在字符串末尾添加结束符
}