动态规划算法作业.pdfVIP

1 n←length(T) 2 create array x[1:L] 3 for j←1 to L 4 do x[j]←j/T[1] 5 for i←2 to n 6 do for j←L to 1 7 do for k←1 to j/T[i] 8 do if x[j-k*x]+k<x[j] 9 then x[j]←x[j-k*x]+k 10 return x 时间复杂度分析：算法1~2 行时间复杂度为O(1)，3~4 行时间复杂度 2 为O(L) ，5~9 行时间复杂度为O(nL )，10 行时间复杂度为O(1) 。故 2 算法总的时间复杂度为O(nL ) 。 （3 ）设y[1:n]存储当找钱数为j 的最优解时T[ 1:n]硬币分别找的个数。 选择面值最大的T[i]，1≤i ≤n ，使C[n,j]=C[n,j-T[i]]+1 ，则子问题找 钱数为j -T[i] 的最优解y ’[1:n] 中，y’[i]+1 后即为原问题的最优解y[1:n]。 故问题的最优解可以通过子问题的最优解来达到，该问题具有贪心选 择性。（假设T[1:n]的面值是递增的，并且C[n,L]是与排序后的T 对 应的结果） Input ：T[1:n], C[1:L], m Output ：每个硬币对应的数目y[1:n] GET-CHANGE-NUMBER(T,C,m) 1 n←length(T),w←m 2 create array y[1:n] 3 for i←1 to n 4 do y[i]←0 5 while w>0 6 do for i←n to 1 7 do if C[w]=C[w-T[i]]+1 8 then y[i]←y[i]+1 9 w←w-T[i] 10 break 11 return y 时间复杂性分析：算法1~2 行时间复杂度为O(1)，2~3 行时间复杂度 为O(n)，5~10 行时间复杂度为O(m×n) ，11 行时间复杂度为O(1) 。 故算法总的时间复杂度为O(m×n) 。 2.设计一个动态规划算法从 n 个数构成的数列中找出最长单调递增 子序列。 答： （1）问题转化：设 X[ 1:n]为 n 个数构成的序列，Y[ 1:n]为将 X[ 1:n] 中的数进行递增排序的结果。那么，原问题可以转化为求X 和Y 的 最长公共子序列。设X 中的最长单调递增子序列为x , x , …, x , x ， i j k m 那么在排序后的Y 中，该子序列仍以这一顺序存在于Y 中，显然该 序列为X 和Y 的公共子序列。假设其不是X 和Y 的最长公共子序列， 设其最长公共子序列为x , x , …, x , …, x , x 。由于Y 为递增序列， i j p k m 因此有x <x <…<x <…<x <x 。又因为x , x , …, x , …, x , x 是X 的 i j p k m i j p k m 子序列，那么在X 序列中，有一个更长的单调递增子序列x , x , …, i j x , …, x , x 。产生了矛盾，因此X 的最长单调递增子序列即为X 和 p k m Y 的最长公共子序