实验二最长公共子序列(动态规划算法) .pdfVIP

实验二最长公共子序列（动态规划算法）

班级：08计算机科学与技术（1）班学号：姓名：戴

斌江机器号：

实验二最长公共子序列问题

一、实验目的：

1、理解动态规划算法的概念；

2、掌握动态规划算法的基本要素；

3、掌握设计动态规划算法的步骤；

4、通过应用范例学习动态规划算法的设计技巧与策略；

二、实验内容及要求：

1、使用动态规划算法解决最长公共子序列问题：给定两个序列

X={x1,x2,…,xm}和Y={y1,y2,…,yn}，找出X和Y的最长公共子序

列。。

2、通过上机实验进行算法实现。

3、保存和打印出程序的运行结果，并结合程序进行分析，上交实

验报告。

三、实验原理：

动态规划(dynamicprogramming)是运筹学的一个分支，是求解

决策过程（decisionprocess)最优化的数学方法。20世纪50年代初

美国数学家

R.E.Bellman等人在研究多阶段决策过程(multistepdecision

process)的优化问题时，提出了著名的最优化原理(principleof

optimality)，把多阶段过程转化为一系列单阶段问题，利用各阶段之

间的关系，逐个求解，创立了解决这类过程优化问题的新方法——动

态规划。1957年出版了他的名著DynamicProgramming，这是该领

域的第一本著作。

算法总体思想：

1)动态规划算法与分治法类似，其基本思想也是将待求解问题分

解成若干个子问题,先求解子问题，然后从这些子问题的解得到原问题

的解。

2)与分治法不同的是，适合于用动态规划法求解的问题，经分解

得到的子问题往往不是独立的。子问题中存在大量的公共子问题，在

分治求解过程中被多次重复计算，保存计算结果，为后面的计算直接

引用，减少重复计算次数这就是动态规划的基本思想。

3)用动态规划算法求解问题，可依据其递归式以自底向上的方式

进行计算。在计算过程中，保存已解决的子问题的答案。每个子问题

只计算一次，而在后面需要时只要简单查一下，从而避免大量重复计

算，最终得到多项式时间算法。

动态规划基本步骤：

1）找出最优解的性质，并刻划其结构特征。

2）递归地定义最优值。

3）以自底向上的方式计算出最优值。

4）根据计算最优值时得到的信息，构造最优解。

前三个步骤是动态规划算法的基本步骤。在只需求出最优值的情

况，步骤四可以省去。若需要求最优解，则必须执行步骤四，根据所

记录的信息，快速构造出最优解。

四、程序代码：

#include

#include

usingnamespacestd;

#defineN100

charX[N],Y[N],str[N];

intc[N][N],num=0;

intlcs_len(char*X,char*Y,intc[][N])

{

intm=strlen(X),n=strlen(Y),i,j;

for(i=0;i=m;i++)

c[i][0]=0;

for(i=0;i=n;i++)

c[0][i]=0;

for(i=1;i=m;i++)

{

for(j=1;j=n;j++)

{

if(X[i-1]==Y[j-1])

c[i][j]=c[i-1][j-1]+1;

elseif(c[i-1][j]=c[i][j-1])

c[i][j]=c[i-1][j];

else

c[i][j]=c[i][j-1];

}

}

returnc[m][n];

}

char*build_lcs(chars[],char*X,char*Y)

{

inti=strlen(X),j=strlen(Y);

intk=lcs_len(X,Y,c);

s[k]=\0;

while(k0)

{

if(c[i][j]==c[i-1][j])

i--;