动态规划问题一般具有两个要素:最优子结构与子问题重叠。
通常在求解LCS问题时,我们都会用到两种方法:
1. momo-ization(备忘录方法)
利用了该问题的重叠子问题特性,而重叠子问题可以使用递归直接解决
0 | A | B | C | B | D | A | B | |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
B | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 1 |
D | 0 | 0 | 1 | 1 | 1 | 2 | 2 | 2 |
C | 0 | 0 | 1 | 2 | 2 | 2 | 2 | 2 |
A | 0 | 1 | 1 | 2 | 2 | 2 | 3 | 2 |
B | 0 | 1 | 2 | 2 | 3 | 3 | 3 | 4 |
A | 0 | 1 | 2 | 2 | 3 | 3 | 4 | 4 |
所谓自上而下就是从下表最大处开始递归求解,最终结果为LCS(x,y,x.length,y.length);
也就是上表中从最后一格向上回溯直到哨兵的过程,在求解每个子问题之前,我们先检测一下这个子问题之前有没有算过,若果有,那么不用计算直接返回结果,如果没有,那么就计算这个子问题,之后将结果保存起来,方便下次再遇到时使用。。
时间复杂度T(n) = O(mn);
空间复杂度S = O(mn);//二维数组
public class TTBlcs {
static int[][] c = new int[100][100];
static int NIF = 9999;
public static void main(String[] args) {
char[] x = {'A','B','C','B','D','A','B'};
char[] y = {'B','D','C','A','B','A'};
//TTBlcs t = new TTBlcs();
for(int i = 0;i <= x.length;i++){//周围有一圈哨兵均为0
for(int j = 0;j <= y.length;j++)
{
c[i][j] = NIF;
}
}
System.out.print(LCS(x,y,x.length,y.length));//自上而下
}
public static int LCS(char[] x,char[] y,int i,int j){
if(c[i][j] < NIF)//记录如果算出来便直接返回(备忘)
return c[i][j];
if((i == 0)||(j == 0)){
c[i][j] = 0;
}
else if(x[i-1] == y[j-1])
c[i][j] = LCS(x,y,i-1,j-1) + 1;
else
c[i][j] = LCS(x,y,i-1,j) >= LCS(x,y,i,j-1)? LCS(x,y,i-1,j):LCS(x,y,i,j-1);
return c[i][j];
}
}
2. 动态规划DP:
所谓自下而上,就是从下标(1,1)处开始求解的过程,不过省去了递归的过程,自下而上的构建原问题的解,首先求解最基本的情况,再从最基本的情况一部一部的向上求解,比如我要求解[2…4],那么我首先需要知道[2…2][3…4]和[2…3][4…4]的最优解,需要知道[3…4],那么首先需要知道[3…3][4…4]的最优解,所以,倒不如我们将原问题需要的解先构建出来,再慢慢向上一层一层的构建,最后组成原问题的解!。
时间复杂度T(n) = O(mn);
空间复杂度S = O(mn);//二维数组
public class BTTlcs {
static int[][] c = new int[100][100];
public static void main(String[] args) {
char[] x = {'A','B','C','B','D','A','B'};
char[] y = {'B','D','C','A','B','A'};
for(int k = 0;k <= x.length;k++)
{
c[0][k] = 0;
}
for(int k = 0;k <= y.length;k++)
{
c[k][0] = 0;
}
LCS(x,y);
}
public static void LCS(char[] x,char[] y){
for(int i = 1;i <= x.length;i++)
{
for(int j = 1;j <= y.length;j++)
{
if(x[i-1] == y[j-1])
c[i][j] = c[i-1][j-1] + 1;
else
c[i][j] = c[i-1][j] >= c[i][j-1]?c[i-1][j]:c[i][j-1];
}
}
for(int i = 0;i <= x.length;i++)
{
for(int j = 0;j<y.length;j++)
{
System.out.print(c[i][j]);
}
System.out.print("\n");
}
System.out.print(c[x.length][y.length]);
}
}
- 自上而下的优点是并不需要求解每一个子问题的解,而是只求解有需要的子问题的解,缺点就是需要递归调用,函数调用浪费时间。
- 自下而上的优点是并不需要递归调用,每个子问题求解的速度较快,缺点每个子问题都要计算,就算这个子问题的解对原问题的解并没有任何帮助!