C++ 数据结构(一)绪论(6)动态规划(2)

本文介绍了动态规划的概念,并通过详细解析最长公共子序列(LCS)问题,阐述了递归与迭代两种解决方案。讨论了递归解法的时间复杂度,并提出动态规划的优化策略,只需O(n * m)时间即可解决LCS问题。最后提供了PHP实现LCS算法的参考链接。
摘要由CSDN通过智能技术生成

来源:我的博客站 OceanicKang |《C++ 数据结构(一)绪论(6)动态规划(2)》

上一篇:《C++ 数据结构(一)绪论(6)动态规划(1)》

最长公共子序列

子序列(Subsequence):由序列中若干字符,按原相对次序构成

1.png

最长公共子序列(Longest Common Subsequence):两个序列公共子序列中的最长者

2.png

LCS():递归

对于序列 A[0, n] 和 B[0, m],LCS(A, B) 有三种情况

0、递归基:若 n = -1 或 m = -1,则取作空序列("")

1、减而治之:若 A[n] = ‘X’ = B[m],则取作 LCS(A[0, n), B[0, m)) + ‘X’

3.png

2、分而治之:若 A[n] ≠ B[m],则在 LCS(A[0, n], B[0, m)) 与 LCS(A[0, n), B[0, m]) 中取更长者

4.png

LCS():理解

5.png

单调性:无论如何,每经过一次比对,原问题的规模必可减小。具体的,作为输入的两个序列,至少其一的长度缩短一个单位。

最好情况(不出现分而治之的情况)下,只需 O(n+m) 时间。

但问题在于,出现分而治之的情况下,原问题将被分解为两个子问题。

更糟糕的是,它们在随后进一步导出的子问题,可能雷同。

6.png

在最坏情况下,LCS(A[0, a], B[0, b]) 出现的次数为

( n + m − a − b n − a ) = ( n + m − a −

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值