第4章节 动态规划算法.pptVIP

例4－1 FIBONACCI数列 1 n=0,1 F(n) ＝ F(n-1) + F(n-2) n1 4.4 最长公共子序列问题 1、问题提出 若给定序列X={x1,x2,…,xm}， 则另一序列Z={z1,z2,…,zk}是X的子序列； 要求：是指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：z j=xi j 例如，序列Z={B，C，D，B}是序列X={A，B，C，B，D，A，B}的子序列，相应的递增下标序列为{2，3，5，7}。 最长公共子序列问题： 给定2个序列X和Y，当另一序列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。 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。 2、解决方法 ①穷举法 /枚举法 对序列X的所有子序列，检查它是否也是Y的子序列，从而确定它是否是X与Y的公共子序列； 并最终选择一个最长的公共子序列。 该方法比较耗时，需要指数级的时间。 ②动态规划法 3、动态规划法求解最长公共子序列 ①最长公共子序列问题具有最优解结构性质 （即原问题最优解，包含了子问题最优解) 即两个序列的最长公共子序列，包含了这两个序列的前缀（去掉一个元素）的最长公共子序列； 设序列X={ x1，x2，…xm } 与 序列Y={ y1，y2，…yn }的一个 最长公共子序列Z={ z1，z2，…zk } Ⅰ、若xm= yn, 则zk=xm= yn, 且{ z1，z2，…zk-1 }是序列Xm-1与 序列Yn-1 的最长公共自序列； Ⅱ、若xm≠yn, 且xm≠ zk, 则Z是Xm-1与Y的最长公共子序列； Ⅲ、若xm≠yn, 且yn≠ zk, 则Z是X与Yn-1的最长公共子序列; 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。 即，原问题最优解，包含了子问题最优解； 因此，最长公共子序列问题具有最优子结构性质。 ②递归定义最优值 由最长公共子序列问题的最优子结构性质建立子问题最优值的递归关系。 用L[ i][ j]记录序列和的最长公共子序列的长度。 其中， Xi={x1,x2,…,xi}；Yj={y1,y2,…,yj}。 当i=0或j=0时，空序列是Xi和Yj的最长公共子序列。故此时L[i][j]=0。 其它情况下，由最优子结构性质可建立递归关系如下： ③计算最优值（递归计算最优值L[i][j] ） Int lcs_len(char X[ i]，Y[ j]) //计算最优值L[i][j] { ?if ( i=0 or j=0) ????? int ?L[ i][ j]=0; else if (X[ i]=Y[ j]) L[ i][ j]=?lcs_len (X[ i-1]，Y[ j-1])+1?; b[ i][ j]==1； else If( lcs_len (X[ i] ,Y[j-1]) lcs_len (X[i-1],Y[j]) ) L[ i][ j]=?lcs_len_len (X[ i-1]，Y[ j]); b[ i][ j]==2; If( lcs_len (X[ i] ,Y[j-1])lcs_len (X[i-1],Y[j]) ) L[i][j]=?lcs_len (X[ i]，Y[ j-1]); b[ i][ j]==3; } ④构造最长公共子序列 void LCS (char X[ i], Y[ j], int b[ ][ ]) { if (i ==0 || j==0) return; if (b[ i][ j]== 1) { LCS(char X[ i-1], Y[ j-1], ，b); coutx[ i];