实验目的:
1、理解动态规划算法的概念;
2、掌握动态规划算法的基本要素;
3、掌握设计动态规划算法的步骤;
4、通过应用范例学习动态规划算法的设计技巧与策略;
实验原理:
动态规划是运筹学的一个分支,是求解决策过程最优化的数学方法。20世纪50年代初美国数学家R.E.Bellman等人在研究多阶段决策过程的优化问题时,提出了著名的最优化原理,把多阶段过程转化为一系列单阶段问题,利用各阶段之间的关系,逐个求解,创立了解决这类过程优化问题的新方法——动态规划。1957年出版了他的名著Dynamic Programming,这是该领域的第一本著作。
算法总体思想:
1)动态规划算法与分治法类似,其基本思想也是将待求解问题分解成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解。
2)与分治法不同的是,适合于用动态规划法求解的问题,经分解得到的子问题往往不是独立的。子问题中存在大量的公共子问题,在分治求解过程中被多次重复计算,保存计算结果,为后面的计算直接引用,减少重复计算次数这就是动态规划的基本思想。
3)用动态规划算法求解问题,可依据其递归式以自底向上的方式进行计算。在计算过程中,保存已解决的子问题的答案。每个子问题只计算一次,而在后面需要时只要简单查一下,从而避免大量重复计算,最终得到多项式时间算法。
动态规划基本步骤:
- 找出最优解的性质,并刻画其结构特征。
- 递归地定义最优值。
- 以自底向上的方式计算出最优值。
- 根据计算最优值时得到的信息,构造最优解。
前三个步骤是动态规划算法的基本步骤。在只需求出最优值的情况,步骤四可以省去。若需要求最优解,则必须执行步骤四,根据所记录的信息,快速构造出最优解。
实验内容:
1、使用动态规划算法解决最长公共子序列问题:给定两个序列X={x1,x2,…,xm}和Y={y1,y2,…,yn},找出X和Y的最长公共子序列。。
2、通过上机实验进行算法实现。
3、保存和打印出程序的运行结果,并结合程序进行分析,上交实验报告。
实验代码:
#include<iostream>
#include<string>
#define s 100
using namespace std;
int b[s][s];
int c[s][s];
void longest(int m,int n,char text1[], char text2[])
{
for (int i = 0; i <= m; i++) c[i][0] = 0;
for (int j = 0; j <= n; j++) c[0][j] = 0;
for (int i = 1; i <= m; i++)
{
for (int j = 1; j <= n; j++)
{
if (text1[i-1] == text2[j-1])
{
c[i][j] = c[i - 1][j - 1] + 1;
b[i][j] = 1;
}
else
{
if (c[i][j - 1] >= c[i - 1][j])
{
c[i][j] = c[i][j - 1];
b[i][j] = 2;
}
else
{
c[i][j] = c[i - 1][j];
b[i][j] = 3;
}
}
}
}
}
void print(string text1, int p, int q)
{
if (p == 0 || q == 0) return;
if (b[p][q] == 1)
{
print(text1, p - 1, q - 1);
cout << text1[p-1];
}
else if (b[p][q] == 2)
{
print(text1, p , q-1);
}
else print(text1, p-1, q );
}
int main()
{
char text1[s], text2[s];
cout << "请输入第一个字符串:";
cin >> text1;
cout << "请输入第二个字符串:";
cin >> text2;
int m = strlen(text1);
int n = strlen(text2);
cout << "公共子序列为:";
longest(m,n,text1, text2);
print(text1, m, n);
return 0;
}
实验结果: