文章目录
动态规划与分治法的区别
-
动态规划算法与分治法类似,其基本思想是将待求解问题分解成若干子问题,先求解子问题,再结合这些子问题的解得到原问题的解。
-
与分治法不同的是,适合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。
-
若用分治法来解这类问题,则分解得到的子问题数目太多,以致最后解决原问题需要消耗指数级时间。然而不同子问题的数目常常只有多项式数量级。
-
在用分治法求解时,有些子问题被重复计算了许多次。
-
如果能够保存已解决的子问题的答案,在需要时再找出已求得的答案,这样就可以避免大量的重复计算,从而得到多项式时间算法。
-
为了达到此目的,可以用一个表来记录所有已经解决的子问题的答案。不管该子问题以后是否被用到,只要它被计算过,就将其结果填入表中。这就是动态规划法的基本思想。
动态规划法适用于解最优化问题,通常可按以下4个步骤设计:
- 找出最优解的性质,并刻画其结构特征
- 递归地定义最优值
- 以自底向上的方式计算最优值
- 根据计算最优值时得到的信息,构造最优解
区别总结
- 分治法与动态规划主要共同点:
二者都要求原问题具有最优子结构性质,都是将原问题分而治之,分解成若干个规模较小(小到很容易解决的程序)的子问题.然后将子问题的解合并,形成原问题的解. - 分治法与动态规划实现方法:
① 分治法通常利用递归求解.
② 动态规划通常利用迭代法自底向上求解,但也能用具有记忆功能的递归法自顶向下求解. - 分治法与动态规划主要区别:
① 分治法将分解后的子问题看成相互独立的.
② 动态规划将分解后的子问题理解为相互间有联系,有重叠部分.
下面以具体的例子来说明如何运用动态规划算法的设计思想,并分析可用动态规划算法求解问题所应具备的一般特征。
最长公共子序列
一个给定序列的子序列是在该序列中删去若干元素后得到的序列。
确切的说,若给定序列X={ x 1 , x 2 , . . . , x m {x_1,x_2,...,x_m} x1,x2,...,xm},则另一序列Z={ z 1 , z 2 , . . . , z k {z_1,z_2,...,z_k} z1,z2,...,zk},是X的子序列是指存在一个严格递增下标序列{ i 1 , i 2 , . . . , i k {i1,i2,...,ik} i1,i2,...,ik}使得对于所有 j = 1 , 2 , . . . , k j=1,2,...,k j=1,2,...,k,有: z j = x i j z_j=x_{ij} zj=xij。
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}。
给定两个序列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。
例如:若X={A,B,C,B,D,A,B},Y={B,D,C,A,B,A}则序列{B,C,A}是X和Y的一个公共子序列,但它不是X和Y的一个最长公共子序列。序列{B,C,B,A}也是X和Y的一个公共子序列,其长度为4,而且它是X和Y的最长公共子序列,因为X和Y没有长度大于4的公共子序列。
最长公共子序列的结构
穷举搜索法是最容易想到的算法,对X的所有子序列,检查它是否也是Y的子序列,从而确定它是否为X和Y的公共子序列。并且在检查过程中记录最长的公共子序列。X的所有子序列都检查过后即可求出X和Y的最长公共子序列。X的每个子序列相应于下标集{1,2,…,m}的一个子集,因此有 2 m 2^m 2m个不同的子序列,从而穷举搜索法需要指数时间。
事实上,最长公共子序列问题具有最优子结构的性质。
设序列X={ x 1 , x 2 , . . . , x m {x_1,x_2,...,x_m} x1,x2,...,xm}和Y={ y 1 , y 2 , . . . , y n {y_1,y_2,...,y_n} y1,y2,...,yn}的最长公共子序列为Z={ z 1 , z 2 , . . . , z k {z_1,z_2,...,z_k} z1,z2,...,zk},则
- 若 x m = y n x_m=y_n xm=yn,则 z k = x m = y n z_k=x_m=y_n zk=xm=yn,且 z k − 1 z_k-1 zk−1是 X m − 1 X_{m-1} Xm−1和 Y n − 1 Y_{n-1} Yn−1的最长公共子序列。
- 若 x m ! = y n x_m!=y_n xm!=yn且 z k ! = x m z_k!=x_m zk!=xm,则Z是 X m − 1 X_{m-1} X