动态规划求最长公共子序列

动态规划求最长公共子序列

---

动态规划

1.要素

动态规划两大要素：最优子结构、重叠子问题
最优子结构：当问题的最优解包含了其子问题的最优解时，该问题具有最优子结构性质
重叠子问题：在用递归算法自底向下解此问题时，每次产生的子问题并不总是新问题，有些子问题被反复计算，具有子问题重叠性质。这类问题称重叠子问题

2.基本思想

将待求解问题分解成若干个子问题，先求解子问题，然后结合这些子问题的解得到原问题的解。求解的问题经分解得到的子问题往往不是相互独立的

3.适用于解最优化问题步骤

1）找出最优解的性质，并刻画其结果特征（分析最优解结构）
2）递归地定义最优解（建立递归关系）
3）以自底向上的方法计算得到的信息，构造最优解==（递归方式是自顶向下的，而动态规划算法是自底向上递归的）==（计算最优解）
4）根据计算最优值得到的信息，构造最优解（构造最优解）
1）2）3）为基本步骤

---

一、最长公共子序列？

最长公共子序列：X和Y的公共子序列中长度最长的（包含元素最多的）叫做X和Y的最长公共子序列
最长公共子序列：不唯一

二、解决问题

1.递归公式

代码如下（示例）：

int **Lcs_length(string X,string Y,int **B)
{
	int x_len = X.length();
	int y_len = Y.length();
 
	int **C = new int *[x_len+1];
	for (int i = 0; i <= x_len; i++)
	{
		C[i] = new int[y_len + 1];        //定义一个存放最优解的值的表；
	}
 
	for (int i = 1; i <= x_len; i++)
	{
		C[i][0] = 0;
		B[i][0] = -2;                     //-2表示没有方向
	}
 
 
	for (int j = 0; j <= y_len; j++)
	{
		C[0][j] = 0;
		B[0][j] = -2;
	}
	
	for (int i = 1; i <= x_len; i++)
	{
		for (int j = 1; j <= y_len; j++)
		{
 
			if (X[i-1]==Y[j-1])
			{
				C[i][j] = C[i - 1][j - 1] + 1;
 
				B[i][j] = 0;             //0表示斜向左上
			}
			else
			{
				if (C[i-1][j]>=C[i][j-1])
				{
					C[i][j] = C[i - 1][j];
					B[i][j] = -1;       //-1表示竖直向上；
				}
				else
				{
					C[i][j] = C[i][j - 1];
					B[i][j] = 1;        //1表示横向左
				}
			}
 
		}
	}
	return C;
}

总结

提示：这里对文章进行总结：

例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。