算法设计与分析（王多强）算法设计与分析 六.pptVIP

实验（以下三选一） 1.最优二分检索树 在OBST算法的基础上，补充推导树根结点、子树根结点…部分，使之最后能够得到树的具体形态。 2.LCS 编程实现LCS-LENGTH和PRINT_LCS函数，对输入的两个串，可以求出它们的最长公共子序列（长度+字符序列）。 3.矩阵链乘 在现有的MATRIX-CHAIN-ORDER基础上，补充根据s求出矩阵链乘的最优计算模式的部分，使之最后输出最优的计算模式。 * * * * * * * 虽然动态规划主要用于求解以时间划分阶段的动态过程的优化问题，但是一些与时间无关的静态规划(如线性规划、非线性规划)，只要人为地引进时间因素，把它视为多阶段决策过程，也可以用动态规划方法方便地求解。 * 虽然动态规划主要用于求解以时间划分阶段的动态过程的优化问题，但是一些与时间无关的静态规划(如线性规划、非线性规划)，只要人为地引进时间因素，把它视为多阶段决策过程，也可以用动态规划方法方便地求解。 * s5中有27个元素 * 各种“距离”（欧氏距离、曼哈顿距离） * 时间复杂度：循环的每一次使i或j减1，而最终m=0，n=0，算法结束。 * 1）根据c[i,j] = c[i-1,j-1]+1,还是c[i-1,j] 或c[i,j-1]判定箭头的方向即可 空间减少一个b，但空间复杂度还是O(mn) 2）只保存两行即可。 * 加全部括号 * 3）LCS的求解 Xm和Yn的LCS是基于Xm-1和Yn-1的LCS、或Xm-1和Yn的LCS与Xm和Yn-1的LCS求解的。 下述过程LCS-LENGTH(X,Y)求序列X=x1,x2,...,xm和Y=y1,y2,...,yn的LCS的长度，表c[1..m,1..n]中包含每一阶段的LCS长度，c[m,n]等于X和Y的LCS的长度。同时，还设置了一个表b[1..m,1..n]，记录当前c[i,j]的计值情况，以此来构造该LCS。 LCS-LENGTH(X,Y) m←length[X], n←length[Y] for i←1 to m do c[i,0]←0 repeat for j←1 to n do c[0,j]←0 repeat for i←1 to m do for j←1 to n do if xi = yj then c[i,j] ← c[i-1,j-1]+1 b[i,j] ← ↖ else if c[i-1,j]≥c[i,j-1] then c[i,j] ← c[i-1,j] b[i,j] ← ↑ else c[i,j] ← c[i,j-1] b[i,j] ← ← endif endif repeat repeat END LCS-LENGTH LCS-LENGTH的时间复杂度为O(mn) 例，下图给出了在X=A,B,C,B,D,A,B和Y=B,D,C,A,B,A上 运行LCS-LENGTH计算出的表。 0 0 0 ↑ 0 0 0 0 0 0 ↑ 0 ↑ 0 ↖ 1 ↖ 1 ←1 0 0 0 0 0 0 ↖ ① ←1 ←1 ↑ 1 ↖ 2 ←2 ↑ 1 ↑ 1 ↖ ② ←2 ↑ 2 ↑ 2 ↖ 1 ↑ 1 ↑ 2 ↑ 2 ↖ ③ ←3 ↑ 1 ↖ 1 ↑ 1 ↖ 2 ↑ 2 ↑ 2 ↑ 3 ↖ ④ ↑ 3 ↑ 3 ↖ 3 ↑ 2 ↑ 2 ↑ 2 ↑ 2 ↑ 3 ↖ 4 ↑ 4 yj B D C A B A xi A A B B B D C 0 1 6 2 4 7 5 3 0 1 2 3 4 5 6 j i 说明： 1）第i行和第j列中的方块包含了c[i,j]的值以及指向b[i,j]值的箭头。 2）对于i,j＞0，项c[i,j]仅依赖于是否有xi=yj及项c[i-1,j], c[i,j-1]和c[i-1,j-1]的值。 3）为了重构一个LCS，从右下角开始跟踪b[i,j]箭头即可，即如图所示中的阴影。 4）图中，c[7,6]=4， LCS(X,Y)=B,C,B,A 构造一个LCS 表b用来构造序列