背包问题之动态规划法--.pptVIP

动态规划 设n个物品的重量存储在数组w[n]中，价值存储在数组v[n]中，背包容量为C，数组V[n+1][C+1]存放迭代结果，其中V[i][j]表示前i个物品装入容量为j的背包中获得的最大价值，数组x[n]存储装入背包的物品，动态规划法求解0/1背包问题的算法如下： 算法1——0/1背包问题 int KnapSack(int n, int w[ ], int v[ ]) { for (i=0; i=n; i++) //初始化第0列 V[i][0]=0; for (j=0; j=C; j++) //初始化第0行 V[0][j]=0; for (i=1; i=n; i++) //计算第i行，进行第i次迭代 for (j=1; j=C; j++) if (jw[i]) V[i][j]=V[i-1][j]; else V[i][j]=max(V[i-1][j], V[i-1][j-w[i]]+v[i]); j=C; //求装入背包的物品 for (i=n; i0; i--) { if (V[i][j]V[i-1][j]) { x[i]=1; j=j-w[i]; } else x[i]=0; } return V[n][C]; //返回背包取得的最大价值 } 2.2 最长公共子序列问题 对给定序列X=(x1, x2,…, xm)和序列Z=(z1, z2,…, zk)，Z是X的子序列当且仅当存在一个严格递增下标序列(i1, i2,…, ik)，使得对于所有j=1, 2, …, k，有zj=xij（1≤ij≤m）。例如，对于序列X=(a, b, c, b, d, a, b)，序列(b, c, d, b)是X的一个长度为4的子序列，相应的递增下标序列为(2, 3, 5, 7)，序列(a, c, b, d, b)是X的一个长度为5的子序列，相应的递增下标序列为(1, 3, 4, 5, 7)。可见，一个给定序列的子序列可以有多个。 给定两个序列X和Y，当另一个序列Z既是X的子序列又是Y的子序列时，称Z是序列X和Y的公共子序列。例如，序列X=(a, b, c, b, d, b)，Y=(a, c, b, b, a, b, d, b, b)，序列(a, c, b)是序列X和Y的一个长度为3的公共子序列，序列(a, b, b, d, b)是序列X和Y的一个长度为5的公共子序列。最长公共子序列问题就是在序列X和Y的公共子序列中查找长度最长的公共子序列。 设序列X={x1, x2,…, xm}和Y={y1, y2,…, yn}的最长公共子序列为Z={z1, z2,…, zk}，记Xk为序列X中前k个连续字符组成的子序列，Yk为序列Y中前k个连续字符组成的子序列，Zk为序列Z中前k个连续字符组成的子序列，显然有下式成立： （1）若xm=yn，则zk=xm=yn，且Zk-1是Xm-1和Yn-1的最长公共子序列； （2）若xm≠yn且zk≠xm，则Z是Xm-1和Y的最长公共子序列； （3）若xm≠yn且zk≠yn，则Z是X和Yn-1的最长公共子序列。 可见，两个序列的最长公共子序列包含了这两个序列的前缀序列的最长公共子序列。因此，最长公共子序列问题满足最优性原理。 要找出序列X={x1, x2,…, xm}和Y={y1, y2,…, yn}的最长公共子序列，可按下述递推方式计算：当xm=yn时，找出Xm-1和Yn-1 的最长公共子序列，然后在其尾部加上xm即可得到X和Y的最长公共子序列；当xm≠yn时，必须求解两个子问题：找出Xm-1和Y的最长公共子序列以及Xm和Yn-1的最长公共子序列，这两个公共子序列中的较长者即为X和Y的最长公共子序列。用L[i][j]表示子序列Xi和Yj的最长公共子序列的长度，可得如下动态规划函数：L[0][0]=L[i][0]=L[0][j]=0(1≤i≤m,1≤j≤n) （式6） （式7） 由此，把序列X={x1, x2,…, xm}和Y={y1, y2,…, yn}的最长公共子序列的搜索分为m个阶段，第1阶段，按照式7计算X1和Yj的最长公共子序列长度L[1][j]（1