动态规划P1S.pptVIP

动态规划Dynamic Programming Part 1 Second Day Alphard 2008.8 内容提要 一、最长公共子序列 二、最长上升子序列 最长公共子序列 Longest Common Subsequence(LCS) 给两个序列，找出他们共有的最长子序列。 C A B N M O P L S A X B S A O M L A X N A M L A X 最长公共子序列 分析：考虑两个序列X、Y，X[0]到X[i]构成的序列（以后简记为序列X[i]）以及Y[0]到Y[j]构成的序列 如果X[i] != Y[j]，序列X[i]与序列Y[j]的LCS长度为序列X[i-1]与序列Y[j]或序列X[i]与序列Y[j-1]的LCS长度 如果X[i] == Y[j]，则序列X[i]与序列Y[j]的LCS长度为X[i-1]与序列Y[j-1]的LCS长度+1 （以上的证明参考《算法导论》） 最长公共子序列 状态表示：Dp[i][j]表示序列X[i]与序列Y[j]的LCS长度 状态转移： 这样，求LCS长度就解决了。 if X[i] = Y[j] then Dp[i][j] = Dp[i-1][j-1] + 1 else Dp[i][j] = Max{Dp[i][j-1],Dp[i-1][j]} 最长公共子序列 那么如何求解LCS呢？ LCS可能有很多个，一般只要求出其中一个即可 观察之前的状态转移方程式，我们可以记录决策的位置，最后逆推回去即可 自底向上递推 变形. 回文词 给一个字符串a, 保持原字符的顺序不变, 至少要加几个字符才能变成回文词? 例: abfcbfa ? afbcfcbfa 分析 红、绿色表示原字符, 白色为新增字符 显然, s和s’在任何一个位置不可能都是白色(不需要加那个字符!) 应该让红色字符尽量多! 相当于求s和逆序串s’的LCS, 让LCS中的对应字符(红色)对齐, 中间的每个绿色字符都增加一个字符和它相等 最长上升子序列 Longest Increasing Subsequence 给一个序列，求它的一个递增子序列，使它的元素个数尽量多。 例如序列1,6,2,5,4,7的最长上升子序列是1,2,5,7（还有其他的，这里略去） 最长上升子序列 定义d[i]是从第1个元素到第i个元素为止的最长子序列长度, 则状态转移方程为 d[i] = Max{d[k] + 1} (1 = k i a[k] a[i]) 直接使用这个方程得到的是O(n2)算法 下面把它优化到O(nlogn) 状态的组织 d值相同的a值只需要保留最小的, 因此用数组g[i]表示d值为i的数的a最小值, 显然 g[1]=g[2]=…=g[k] 计算d[i]: 需要在g中找到大于等于a[i]的第一个数j, 则d[i]=j 更新g: 由于g[j]a[i], 需要更新g[j]=a[i] 例子 观察如下过程 a 1 3 g 4 7 d 5 4 3 2 3 2 4 3 2 1 2 3 7 5 3 1 2 4 代码 使用STL的lower_bound可以直接求出比a[i]大的第一个数, 用二分查找实现, 每次转移时间O(logn), 总时间O(nlogn) fill(g,?g?+?n,?infinity);for(int?i?=?0;?i??n;?i++){ int?j?=?lower_bound(g,?g?+?n,?a[i])?-?g;??d[i]?=?j?+?1;??g[j]?=?a[i];} 变形1: 航线问题 有两行点, 每行n个. 第一行点和第二行点是一一对应的, 有线连接, 如下图所示 选择尽量多的线, 两两不交叉 分析 设与第1行第i个点对应的是第2行第f[i]个点 假设ij, 两条线(i, f[i])和(j, f[j])的充要条件是f[i]f[j], 因此问题变成了 求f的最长上升子序列 时间复杂度为O(nlogn) 变形2: 两排列的LCS 给1~n的两个排列p1, p2 求p1和p2的最长公共子序列 例: 1 5 3 2 4 ? 5 3 4 2 1 分析 算法一: 直接套用LCS算法, 时间O(n2) 算法二: 注意到把两个排列做相同的置换, LCS不变, 可以先把p1排列为1,2,3…,n 1 5 3 2 4 ? 1 2 3 4 5 即映射5?2, 2?4, 4?5, p2作同样置换 5 3 4 2 1 ? 2 3 5 4 1 与1,2,3..n的LCS显然是最长上升子序列, 时间降为O(nlogn) 练习 NKOJ 1635 Subsequence 1278 区间相