常常會遇到複雜問題不能簡單地分解成幾個子問題,而會分解出一系列的子問題。簡單地採用把大問題分解成子問題,並綜合子問題的解導出大問題的解的方法,問題求解耗時會按問題規模呈冪級數增長。html
爲了節約重複求相同子問題的時間,引入一個數組,無論它們是否對最終解有用,把全部子問題的解存於該數組中,這就是動態規劃法所採用的基本方法。算法
動態規劃的一個重要性質特色就是解決「子問題重疊」的場景,能夠有效的避免重複計算數組
問題描述:字符序列的子序列是指從給定字符序列中隨意地(不必定連續)去掉若干個字符(可能一個也不去掉)後所造成的字符序列。令給定的字符序列X=「x0,x1,…,xm-1」,序列Y=「y0,y1,…,yk-1」是X的子序列,存在X的一個嚴格遞增下標序列<i0,i1,…,ik-1>,使得對全部的j=0,1,…,k-1,有xij=yj。例如,X=「ABCBDAB」,Y=「BCDB」是X的一個子序列。優化
枚舉法.net
這種方法是最簡單,也是最容易想到的,固然時間複雜度也是龜速的,咱們能夠分析一下,剛纔也說過了cnblogs的子序列code
個數有27個 ,延伸一下:一個長度爲N的字符串,其子序列有2N個,每一個子序列要在第二個長度爲N的字符串中去匹配,匹配一次htm
須要O(N)的時間,總共也就是O(N*2N),能夠看出,時間複雜度爲指數級,恐怖的使人窒息。blog
動態規劃遞歸
考慮最長公共子序列問題如何分解成子問題,設字符串
A=「a0,a1,…,a<sub>m-1</sub>」,
B=「b0,b1,…,b<sub>m-1</sub>」,
並 Z=「z0,z1,…,z<sub>k-1</sub>」 爲它們的最長公共子序列。
不難證實有如下性質:
(1) 若是a<sub>m-1</sub>=b<sub>n-1</sub>,則z<sub>k-1</sub>=a<sub>m-1</sub>=b<sub>n-1</sub>,且「z0,z1,…,z<sub>k-2</sub>」是「a0,a1,…,a<sub>m-2</sub>」和「b0,b1,…,b<sub>n-2</sub>」的一個最長公共子序列;
(2) 若是a<sub>m-1</sub>!=b<sub>n-1</sub>,則若z<sub>k-1</sub>!=a<sub>m-1</sub>,蘊涵「z0,z1,…,z<sub>k-1</sub>」是「a0,a1,…,a<sub>m-2</sub>」和「b0,b1,…,b<sub>n-1</sub>」的一個最長公共子序列;
(3) 若是a<sub>m-1</sub>!=b<sub>n-1</sub>,則若z<sub>k-1</sub>!=b<sub>n-1</sub>,蘊涵「z0,z1,…,z<sub>k-1</sub>」是「a0,a1,…,a<sub>m-1</sub>」和「b0,b1,…,b<sub>n-2</sub>」的一個最長公共子序列。
這樣,在找A和B的公共子序列時,若有 a<sub>m-1</sub>=b<sub>n-1</sub>,則進一步解決一個子問題,找「a0,a1,…,a<sub>m-2</sub>」和「b0,b1,…,b<sub>m-2</sub>」的一個最長公共子序列; 若是a<sub>m-1</sub>!=b<sub>n-1</sub>,則要解決兩個子問題,找出「a0,a1,…,a<sub>m-2</sub>」和「b0,b1,…,b<sub>n-1</sub>」的一個最長公共子序列和找出「a0,a1,…,a<sub>m-1</sub>」和「b0,b1,…,b<sub>n-2</sub>」的一個最長公共子序列,再取二者中較長者做爲A和B的最長公共子序列。
既然是經典的題目確定是有優化空間的,而且解題方式是有固定流程的,這裏咱們採用的是矩陣實現,也就是二維數組。
第一步:先計算最長公共子序列的長度。
第二步:根據長度,而後經過回溯求出最長公共子序列。
現有兩個序列X={x1,x2,x3,...xi},Y={y1,y2,y3,....,yi},
設一個C[i,j]: 保存Xi與Yj的LCS的長度。
根據上面的公式其實能夠發現C[i,j]一直保存着當前(Xi,Yi)的最大子序列長度。
長度的問題咱們已經解決了,此次要解決輸出最長子序列的問題,
咱們採用一個標記Flag[i,j],當
①:C[i,j]=C[i-1,j-1]+1 時 標記Flag[i,j]= 0, "left_up"; (左上方箭頭)
②:C[i-1,j]>=C[i,j-1] 時 標記Flag[i,j]=1, "up"; (上箭頭)
③: C[i-1,j]<C[i,j-1] 時 標記Flag[i,j]= -1,"left"; (左箭頭)
因爲每次調用至少向上或向左(或向上向左同時)移動一步,故最多調用(m + n)次就會遇到i = 0或j = 0的狀況,此時開始返回。返回時與遞歸調用時方向相反,步數相同,故算法時間複雜度爲Θ(m + n)。
這裏的 b[][] 充當了 前文中 Flag[][]的角色
#include <stdio.h> #include <string.h> #define MAXLEN 100 void LCSLength(char *x, char *y, int m, int n, int c[][MAXLEN], int b[][MAXLEN]) { int i, j; for(i = 0; i <= m; i++) c[i][0] = 0; for(j = 1; j <= n; j++) c[0][j] = 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; b[i][j] = 0; } else if(c[i-1][j] >= c[i][j-1]) { c[i][j] = c[i-1][j]; b[i][j] = 1; } else { c[i][j] = c[i][j-1]; b[i][j] = -1; } } } } void PrintLCS(int b[][MAXLEN], char *x, int i, int j) { if(i == 0 || j == 0) return; if(b[i][j] == 0) { PrintLCS(b, x, i-1, j-1); printf("%c ", x[i-1]); } else if(b[i][j] == 1) PrintLCS(b, x, i-1, j); else PrintLCS(b, x, i, j-1); } int main(int argc, char **argv) { char x[MAXLEN] = {"ABCBDAB"}; char y[MAXLEN] = {"BDCABA"}; int b[MAXLEN][MAXLEN]; int c[MAXLEN][MAXLEN]; int m, n; m = strlen(x); n = strlen(y); LCSLength(x, y, m, n, c, b); PrintLCS(b, x, m, n); return 0; }
參考 輸入連接說明