14天阅读挑战赛
努力是为了不平庸~

系列文章目录

第一章算法简介
第二章贪心算法
第三章分治法
第四章动态规划

2.0兔子序列

意大利数学家斐波那契在《算盘全书》中描述了一个神奇的兔子序列、这就是著名的斐波那契序列。
假设第1个月有1对刚诞生的免子，第选人月讲入成熟期，第3个月开始生育兔子，而1对成熟的兔子每月会生1对兔子，免子永不死本…那么，由1对初生兔子开始，12个月后会有多少对兔子呢?如果是N对初生的兔子开始，M月后又会有多少对兔子呢?
第1个月，兔子①没有繁殖能力，所以还是1对。
第2个月，兔子①进入成熟期，仍然是1对。
第3个月，兔子①生了1对小负2,干是这个月共有2对（1+1=2）兔子。
第4个月，兔子①又生了1对小兔③。兔子②进入成熟期。共有3对（1+2=3）兔子。
第5个月，兔子①又生了1对小兔④,兔子②也生下了1对小兔⑤。兔子③进入成熟期。共有5对（2+3=5）兔子。
第6个月，兔子①②③各生下了1对小兔。兔子④⑤进入成熟期。新生3对兔子加上原有的5对兔子，这个月共有8对（3+5=8）兔子。
…
这个数列有十分明显的特点，从第3个月开始，当月的兔子数=上月兔子数+本月新生小兔子数，而本月新生的兔子正好是上上月的兔子数，即当月的兔子数=前两月兔子之和。
$\begin{cases} 1 & ,n = 1 \\ 1 & ,n = 1 \\ F(n-1)+F(n-2) & ,n>2 \end{cases}$
以 $F (5)$ 为例，如图：
在这里插入图片描述
从图可以看出，有大量的结点重复(子问题重叠)，F(3)、F(2)、F(1)均重复计算多次。

2.1动态规划基础

百度百科中的解释，动态规划（Dynamic Programming，DP）是运筹学的一个分支，是求解决策过程最优化的过程。20世纪50年代初，美国数学家贝尔曼（R.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，从而创立了动态规划。说的很抽象，《趣学算法》中解释了动态规划的思想：其实也是一种分治思想，但与分治算法不同的是，分治算法是把原问题分解为若干子问题，自顶向下求解各子问题，合并子问题的解，从而得到原问题的解。动态规划也是把原问题分解为若干子问题，然后自底向上，先求解最小的子问题，把结果存储在表格中，再求解大的子问题时，直接从表格中查询小的子问题的解，避免重复计算，从而提高算法效率。

要应用动态规划思想去解决问题，待分析的问题需要具有如下性质

最优子结构
最优子结构性质是指问题的最优解包含其子问题的最优解。最优子结构是使用动态规划的最基本条件，如果不具有最优子结构性质，就不可以使用动态规划解决。
子问题重叠
子问题重叠是指在求解子问题的过程中，有大量的子问题是重复的，那么只需要求解一次，然后把结果存储在表中，以后使用时可以直接查询，不需要再次求解。子问题重叠不是使用动态规划的必要条件，但问题存在子问题重叠更能够充分彰显动态规划的优势。

具体解题流程如下所示：

分析最优解的结构特征。
建立最优值的递归式。
自底向上计算最优解，并记录。
构造最优解。

上述的兔子序列就可以用这种方法求解，就是先求F(1)再求F(2)然后不停的求到F(n)，在此就不具体叙述了。往下看另一个例子

最长的公共子序列、编辑距离、游船租赁、矩阵连乘、最优三角剖分、石子合并、0-1背包问题、最优二叉树都可以动态规划的思想，下面进行最长的公共子序列的讲解。

2.2最长的公共子序列

首先叙述解决流程，形成完整的思考流程。
首先，分析问题并想出算法的设计思路（文字叙述）。 然后，给出图解思路。 之后，编写伪代码。 最后，给出完整代码。 还有一件事，分析算法的复杂度，并思考改进思路。

2.2.1问题描述：

给定两个序列 $X={x1,x2,…,xm}X=\lbrace x_1,x_2,…,x_m\rbrace$ 和 $Y={y1,y2,…,yn}Y=\lbrace y_1,y_2,…,y_n\rbrace$ 时，找出 $X$ 和 $Y$ 的一个最长的公共子序列。例如： $X={A,B,C,B,A,D,B}X=\lbrace A,B,C,B,A,D,B\rbrace$ ， $Y={B,C,B,A,A,C}Y=\lbrace B,C,B,A,A,C\rbrace$ ，那么最长公共子序列是 ${B,C,B,A}\lbrace B,C,B,A\rbrace$ 。

如何找到最长公共子序列呢？如果使用暴力搜索方法，需要穷举 $X$ 的所有子序列，检查每个子序列是否也是 $Y$ 的子序列，记录找到的最长公共子序列。 $X$ 的子序列有 $2^n$ 个（注意这里不要求连续，只要求递增的顺序！），因此暴力求解的方法时间复杂度为指数阶，这是我们避之不及的爆炸性时间复杂度。

2.2.2分析问题&设计思路：

这时候就需要判断能不能利用动态规划算法，分析如下，按照《趣学算法》一书中的情况讨论：

分析最优解的结构特征。
假设已经知道 $Zk={z1,z2,…,zk}Z_k=\lbrace z_1,z_2,…,z_k\rbrace$ 是 $Xm={x1,x2,...,xm}X_m=\lbrace x_1,x_2,...,x_m\rbrace$ 和 $Yn={y1,y2,y3,…,yn}Y_n=\lbrace y_1,y_2,y_3,…,y_n\rbrace$ 的最长公共子序列。这个假设很重要，我们都是这样假设已经知道了最优解。那么可以分3种情况讨论。
1） $x_m=y_n=z_n$ ；那么 $Zk−1={z1,z2,…,zk−1}Z_{k-1}=\lbrace z_1,z_2,…,z_{k-1}\rbrace$ 是 $X_{m-1}$ 和 $Y_{n-1}$ 的最长公共子序列。
2） $xm≠yn,xm≠znx_m\neq y_n,x_m\neq z_n$ ；我们可以把 $x_m$ 去掉，那么 $Z_k$ 是 $X_{m-1}$ 和 $Y_n$ 的最长公共子序列。
3） $xm≠yn,yn≠znx_m\neq y_n,y_n\neq z_n$ ；我们可以把 $y_n$ 去掉，那么 $Z_k$ 是 $X_m$ 和 $Y_{n-1}$ 的最长公共子序列。

看这里：这里应该是从上往下的去思考。

建立最优值的递归式。
设 $c [i] [j]$ 表示 $X_i$ 和 $Y_j$ 的最长公共子序列长度。
$x_m=y_n=z_k$ ；那么 $c [i] [j] = c [i - 1] [j - 1] + 1$
$xm≠ynx_m\neq y_n$ ；那么我们只需要求解 $X_i$ 和 $Y_j$ 的最长公共子序列 $X_{i-1}$ 和 $Y_j$ 的最长公共子序列，比较它们的长度哪一个更大，就取哪一个值。即 $\lbrace c[i][j-1],c[i-1][j]\rbrace$ 。

最长公共子序列长度递归式：
$\begin{cases} 0 & ,i = 0 或j=0\\ c[i-1][j-1]+1 & ,i、j>0且x_i=y_j \\ max\lbrace c[i][j-1],c[i-1][j]\rbrace & ,i、j>0且x_i\neq y_j \end{cases}$

自底向上计算最优解，并记录。
$i = 1$ 时： ${x1}\lbrace x_1\rbrace$ 和 ${y1,y2,…,yn}\lbrace y_1,y_2,…,y_n\rbrace$ 中的字符一一比较，按递归式求解并记录最长公共子序列长度。
$i = 2$ 时： ${x2}\lbrace x_2\rbrace$ 和 ${y1,y2,…,yn}\lbrace y_1,y_2,…,y_n\rbrace$ 中的字符一一比较，按递归式求解并记录最长公共子序列长度。
…
$i = m$ 时： ${xm}\lbrace x_m\rbrace$ 和 ${y1,y2,…,yn}\lbrace y_1,y_2,…,y_n\rbrace$ 中的字符一一比较，按递归式求解并记录最长公共子序列长度。

看这里：先算小的，存下来，方便后面直接调用

构造最优解。
上面的求解过程只是得到了最长公共子序列长度，并不知道最长公共子序列是什么，那怎么办呢?
例如，现在已经求出 $c [m] [n] = 5$ ，表示 $X_m$ 和 $Y_n$ 的最长公共子序列长度是5，那么这个5是怎么得到的呢?我们可以反向追踪5是从哪里来的。根据递推式，有如下情况。
$x_i=y$ 时： $c [i] [j] = c [i - 1] [j - 1] + 1$ ;
$xi≠yjx_i\neq y_j$ 时： $c[i][i]=max{c[i][j−1],c[i−1][j]}c[i][i]=max\lbrace c[i][j-1], c[i-1][j]\rbrace$ ;
那么 $c [i] [j]$ 的来源一共有3个： $c [i] [j] = c [i - 1] [j - 1] + 1 ， c [i] [j] = c [i] [j] ， c [i] [j] = c [i - 1] [j]$ 。在第3步自底向上计算最优值时，用一个辅助数组 $b [i] [j]$ 记录这3个来源:
$c [i] [j] = c [i - 1] [j - 1] + 1 ， b [i] [j] = 1$ ;
$c [i] [j] = c [i] [j - 1], b [i] [j] = 2$ ;
$c [i] [j] = c [i - 1] [j], b [i] [j] = 3$ 。
这样就可以根据 $b [m] [n]$ 反向追踪最长公共子序列,当 $b [i] [j] = 1$ 时，输出 $x_i$ ;当 $b [i] [j] = 2$ 时,追踪 $c [i] [j - 1]$ ；当 $b [i] [j] = 3$ 时，追踪 $c [i - 1] [j] ，$ 直到 $i = 0$ 或 $j = 0$ 停止。

2.2.3图解思路：

以字符串 $s_1=“ABCA"$ ， $s_2=“BACDA”$ 为例。

(1)初始化
$l e n 1 = 4 ， l e n 2 = 5$ ,初始化 $c [] []$ 第一行、第一列元素为0。

(2)填补矩阵：示例： $i = 1$ 时。
$i = 1$ ； $s_1[0]$ 与 $s_2[j-1]$ 比较，其中 $j = 1, 2, 3, \dots, l e n 2$ 。即A与BACDA分别比较一次。
如果字符相等， $c [i] [j]$ 取左上角数值加1，记录最优值来源 $b [i] [j]$ =1。
如果字符不等，取左侧和上面数值中的最大值。如果左侧和上面数值相等，默认取左侧数值。如果 $c [i] [j]$ 的值来源于左侧 $b [i] [j] = 2$ ，来源于上面 $b [i] [j] = 3$ 。
在这里插入图片描述
(3）继续处理 $i = 2, 3, \dots, l e n 1$ ，执行顺序（2）中的步骤。处理结果如图所示。

$c [] []$ 右下角的值即为最长公共子序列的长度。 $c [4] [5] = 3$ ，即字符串 $s_1 =“ABCA",s_2=“BACDA”$ 的最长公共子序列的长度为3。
那么最长公共子序列包含哪些字符呢?

(4）构造最优解
首先读取 $b [4] [5] = 1$ ，说明来源为1，向左上角找 $b [3] [4]$ ；不停地寻找~，只有在左上角寻找时输出字符。如下：
在这里插入图片描述
最长序列结果为BCA。

2.2.4伪代码：

最长公共子序列求解函数

void LCSL()
{int i,j;for(i=1;i<=len1;i++)//控制s1序列{for(j=1;j<=len2;j++)//控制s2序列{if(s1[i-1]==s2[j-1]){//如果当前字符相同，则公共子序列的长度为该字符前的最长公共序列+1c[i][j]=c[i-1][j-1] +1;b[i][j]=1;}elseif(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;}}}
}

最优解输出函数

void print(int i, int j)//根据记录下来的信息构造最长公共子序列（从b[i][j]开始递推)
{if(i==0 || j==0)return;if(b[i][j]==1){print(i-1,j-1);cout<<s1[i-1];}else if(b[i][j]==2)print(i,j-1);elseprint(i-1,j);
}

2.2.5完整代码：

#include <iostream>
#include<cstring>using namespace std;const int N=1002;
int c[N][N],b[N][N];
char s1[N],s2[N];
int len1,len2;
void LCSL()
{int i,j;for(i=1;i<=len1;i++)//控制s1序列{for(j=1;j<=len2;j++)//控制s2序列{if(s1[i-1]==s2[j-1]){//如果当前字符相同，则公共子序列的长度为该字符前的最长公共序列+1c[i][j]=c[i-1][j-1] +1;b[i][j]=1;}elseif(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(int i, int j)//根据记录下来的信息构造最长公共子序列（从b[i][j]开始递推)
{if(i==0 || j==0)return;if(b[i][j]==1){print(i-1,j-1);cout<<s1[i-1];}else if(b[i][j]==2)print(i,j-1);elseprint(i-1,j);
}int main()
{int i,j;cout<<"输入字符串s1:"<<endl;cin>> s1;cout<<"输入字符串s2:"<<endl;cin>>s2;len1 = strlen(s1);//计算两个字符串的长度len2 = strlen(s2);for(i=0;i<=len1;i++){c[i][0]=0;//初始化第一列为0}for(j=0;j<=len2;j++){c[0][j]=0;//初始化第一行为0}LCSL(); //求解最长公共子序列cout<<"s1和s2的最长公共子序列长度是:"<<c[len1][len2]<<endl;cout<<"s1和s2的最长公共子序列是:";print(len1,len2);//递归构造最长公共子序列最优解return 0;
}