LCS，01背包问题

一：问题
LCS问题和背包问题
二：解析
LCS问题：
这是一个动态规划的题目。对于可用动态规划求解的问题，有最优子结构特点
最优子结构：
设 X=(x1,x2,…xn) 和 Y={y1,y2,…ym} 是两个序列，将 X 和 Y 的最长公共子序列记为LCS(X,Y)
找出LCS(X,Y)就是一个最优化问题。因为，我们需要找到X 和 Y中最长的那个公共子序列。而要找X 和 Y的LCS，首先考虑X的最后一个元素和Y的最后一个元素。
1）如果 xn=ym，即X的最后一个元素与Y的最后一个元素相同，这说明该元素一定位于公共子序列中。因此，现在只需要找：LCS(Xn-1，Ym-1)
LCS(Xn-1，Ym-1)就是原问题的一个子问题。为什么叫子问题？因为它的规模比原问题小。
为什么是最优的子问题？因为我们要找的是Xn-1 和 Ym-1 的最长公共子序列啊。。。最长的！！！换句话说，就是最优的那个。（这里的最优就是最长的意思）
2）如果xn != ym，这下要麻烦一点，因为它产生了两个子问题：LCS(Xn-1，Ym) 和 LCS(Xn，Ym-1)
因为序列X 和 序列Y 的最后一个元素不相等，那说明最后一个元素不可能是最长公共子序列中的元素嘛。（都不相等了，怎么公共）。
LCS(Xn-1，Ym)表示：最长公共序列可以在(x1,x2,…x(n-1)) 和 (y1,y2,…yn)中找。
LCS(Xn，Ym-1)表示：最长公共序列可以在(x1,x2,…xn) 和 (y1,y2,…y(n-1))中找。
求解上面两个子问题，得到的公共子序列谁最长，那谁就是 LCS（X,Y）。用数学表示就是：
LCS=max{LCS(Xn-1，Ym)，LCS(Xn，Ym-1)}
由于条件 1) 和 2) 考虑到了所有可能的情况。因此，我们成功地把原问题 转化 成了 三个规模更小的子问题。
背包问题：
状态转移方程：f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]}
假设：
n=5, C=13, w={4,5,4,3,10}, v={9,10,9,2,24}

P[2,5]的含义是考虑前两个物品，装体积为5 的价值是10，背包体积就减少4，无法再装下第一个物品。也可以放弃第二个物品装第一个物品，价值是9，最大的是10。所以装第二个物品。
P[2,9]的含义是考虑前两个物品，装体积为5 的价值是10，背包体积就减少4，还能再装下第一个物品价值是9，总价值是19.另一种情况是舍弃第二件物品，直接装第一件物品价值是9，价值明显是装两件时候的大。
P[3,8]的含义是若装第三件物品价值加9，背包容量减少4，问题就变成了P[2,4]查表就知道P[2,4]最大是价值9，所以总价值是18；另一种情况是舍弃第三件物品，问题就变成P[2,8],查表发现最大价值是10。10明显没有18大，所以最大价值就是18。
P[3,9]的含义是若装第三件物品价值加9，背包容量减少4，问题就变成了P[2,4]查表就知道P[2,4]最大是价值9，所以总价值是18；另一种情况是舍弃第三件物品，问题就变成P[2,9],查表发现最大价值是19。19比18 大，所以最大值是19。
P[3,13]的含义是若装第三件物品价值加9，背包容量减少4，问题就变成了P[2,9]查表就知道P[2,9]最大是价值19，所以总价值是28；另一种情况是舍弃第三件物品，问题就变成P[2,13],查表发现最大价值是19。28比19大，所以最大值是28。
三：设计
LCS:
int LCS(char* X, char* Y, int m, int n) {
vector<vector >dp(m + 1, vector(n + 1));
int i, j;
for (i = 1; i < m; i++) dp[i][0] = 0;
for (j = 0; j < n; j++) dp[0][j] = 0;
for (i = 1; i <= m; i++) {
for (j = 1; j <= n; j++) {
if (X[i] == Y[j]) {
dp[i][j] = dp[i - 1][j - 1] + 1;
}
else if (dp[i - 1][j] >= dp[i][j - 1]) {
dp[i][j] = dp[i - 1][j];
}
else {
dp[i][j] = dp[i][j - 1];
}
}
}
return dp[m][n];
}

背包：
public static int getMaxValue(int[] weight, int[] value, int w, int n) {
// 创建一个二维数组，横列是物品的价值，竖列是物品的重量
int[][] table = new int[n + 1][w + 1];
for (int i = 1; i <= n; i++) { //物品
for (int j = 1; j <= w; j++) { //背包大小
if (weight[i] > j) {
//当前物品i的重量比背包容量j大，装不下，肯定就是不装
table[i][j] = table[i - 1][j];
} else {
//装得下，Max{装物品i， 不装物品i}
table[i][j] = Math.max(table[i - 1][j], table[i - 1][j - weight[i]] + value[i]);
}
}
}
return table[n][w];
}

四：分析
LCS复杂度：O(mn)
背包复杂度：O(nm)n为物品数量，m为背包容量
五：源码
添加链接描述
添加链接描述