2009-2010-2《算法》-7动态规划--2.ppt

最长公共子序列 两个一维事物比较： 相似 ： LCS算法 比较 完全相等: 一一对应，概率算法等 相等 部分相等 :模式匹配----KMP算法 最长公共子序列： 应用：打字比赛（规则，中外区别） SARS病毒 文件比较等等 两个一维事物的比较 定义：与子串的区别 算法：穷举法，动态规划法 代码实现：用C 最长公共子序列的定义： 给定2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。 穷举法: 若要求两个序列X，Y的最长公共子序列， 先取得X，Y的所有子序列，并进行一一 比较，共有如下不同的组合： 共要进行不同的比较： 由此可见，2个序列的最长公共子序列包含了这2个序列的前缀的最长公共子序列。因此，最长公共子序列问题具有最优子结构性质。 时间复杂度： 由于在所考虑的子问题空间中，总共有θ(mn)个不同的子问题，因此，用动态规划算法自底向上地计算最优值能提高算法的效率。 例子：填充表格 从表中找出最长公共子序列的方法： （1）从(m,n) 到 (0,0) （2）若当前格与左边一格相同，则画“ ”; 若当前格与上边一格相同，则画“ ”; 上两者都不符合，从当前格到左上格画“ ” （3）从当前格向箭头方向前进一格，对此格进行（2） （4）从(m,n) 到 (0,0)的不同路径中，“ ”相对应的格的元素构成最长公共子序列。 找出最长公共子序列 求最长公共子序列 void LCS(char a[],int L[][],int m,int n) { int i,j,k; char c[m]; i=m;j=n;k=m; do { if(L[i][j]==L[i-1][j]) i--; else if(L[i][j]==L[i]j-1]) j--; else { c[k]=a[ii]; k--;i--;j--;} }while(i0j0); printf(“%s”,c+k+1); } 求最长公共子序列 时间复杂度为：m+n=O(n) 子串比较： G等搜索工具的目的是从信息海洋中进行串匹配查找。 最著名的子串匹配算法是KMP算法。 KMP算法利用关键词内部的相似特点，节省了时间复杂度：O（m+n) 数据结构中相关内容 矩阵连乘积问题 矩阵连乘积问题 矩阵连乘积可定义为： 给定n个矩阵 ， 其中 与 是可乘的， 。考察这n个矩阵的连乘积 由于矩阵乘法满足结合律，所以计算矩阵的连乘可以有许多不同的计算次序。这种计算次序可以用加括号的方式来确定。 矩阵连乘积问题 若一个矩阵连乘积的计算次序完全确定，也就是说该连乘积已完全加括号，则可以依此次序反复调用2个矩阵相乘的标准算法计算出矩阵连乘积。 设有四个矩阵 A,B,C,D，它们的维数分别是： A=50*10,B=10*40,C=40*30,D=30*5 总共有五中完全加括号的方式 (A((BC)D)) (A(B(CD))) ((AB)(CD)) (((AB)C)D) ((A(BC))D) 16000,10500,36000,87500,34500 回顾矩阵相乘： 回顾矩阵相乘： 单个乘法次数：n 单个加法次数：n-1 总的乘法次数：m*n*l 总的加法次数：m*(n-1)*l 矩阵连乘积问题 给定n个矩阵｛A1,A2,…,An｝，其中Ai与Ai+1是可乘的，i=1，2…，n-1。如何确定计算矩阵连乘积的计算次序，使得依此次序计算矩阵连乘积需要的数乘次数最少。 穷举法：列举出所有可能的计算次序，并计算出每一种计算次序相应需要的数乘次数，从中找出一种数乘次数最少的计算次序。 算法复杂度分析： 对于n个矩阵的连乘积，设其不同的计算次序为P(n)。由于每种加括号方式都可以分解为两个子矩阵的加括号问题：(A1...Ak)(Ak+1…An) 可以得到关于P(n)的递推式如下： 穷举法复杂度分析： 动态规划 将矩阵连乘积 简记为A[i:j] ，这里i≤j