（粗糙的笔记）动态规划

输入：商品集合{h,...,i}，背包容量c
输出：最大总价格P
if c<0 then
| return 0
end
if i <= h-1 then
| return 0
end
P1 <- KnapsackSR(h,i-1,c-vi)
P2 <- KnapsackSR(h,i-1,c)
P <- max(P1+pi,P2)
return P
1
2
3
4
5
6
7
8
9
10
11
12

输入：商品集合{h,...,i}，背包容量c
输出：最大总价格P
if c<0 then
| return 0
end
if i <= h-1 then
| return 0
end
if P[i,c]!=NULL then
| return P[i,c]
end
P1 <- KnapsackMR(h,i-1,c-vi)
P2 <- KnapsackMR(h,i-1,c)
P[i,c] <- max(P1+pi,P2)
return P[i,c]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

输入：商品集合{h,...,i}，背包容量c
输出：最大总价格P
//初始化，创建二维数组P和Rec
for i <- 0 to C do
| P[0,i] <- 0
end
for i <- 0 to n do
| P[i,0] <- 0
end
//求解表格
for i <- 1 to n do
| for c <- 1 to C do
|  | if v[i]<=c and p[i]+P[i-1,c-v[i]]>P[i-1,c] then
|  | | P[i,c]=p[i]+P[i-1,c-v[i]]
|  | | Rec[i,c] <- 1
|  | end
|  | else
|  | | P[i,c] <- P[i-1,c]
|  | | Rec[i,c] <- 0
|  | end
| end
end
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

输入：数组X，数组长度n
输出：最大子数组和Smax，子数组起止位置l,r
//初始化
D[n] <- X[n]
Rec[n] <- n
//动态规划
for i <- n-1 to 1 do
| if D[i+1]>0 then
| | D[i] <- X[i]+D[i+1]
| | Rec[i] <- Rec[i+1]
| end
| else
| | D[i] <- X[i]
| | Rec[i] <-i
| end
end
//查找解
Smax <- D[1]
for i <- 2 to n do
| if Smax

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26

最长公共子序列

子序列：将给定序列中零个或多个元素去掉后所得的结果

蛮力枚举

枚举所有子序列
可能存在最优子结构和重叠子问题

动态规划

问题结构分析：

• 给出问题表示：$C[i,j]$表示$X[\mathrm{1..}i]$和$Y[\mathrm{1..}j]$的最长公共子序列长度

递推关系建立：分析最优子结构

• 考察末尾字符：
• 情况1：$x_i\ne y_j$时， C [ i , j ] = m a x { C [ i , j − 1 ] , C [ i − 1 , j ] } C[i,j]=max\{ C[i,j-1],C[i-1,j] \} C[i,j]=max{C[i,j−1],C[i−1,j]}
• 情况2：$x_i=y_j$时，$C[i,j]=C[i-1,j-1]+1$

自底向上计算：确定计算顺序

• 初始化：$C[i,0]=C[0.j]=0$//某序列长度为0时，最长公共子序列长度为0
• 递推公式：KaTeX parse error: {align} can be used only in display mode.

最优方案追踪：记录决策过程

• 构造追踪数组$rec[\mathrm{1..}n]$，记录子问题来源:KaTeX parse error: {align} can be used only in display mode.

伪代码：

输入：两个序列X,Y
输出：X和Y的最长公共子序列
n <- length(X)
m <- length(Y)
//初始化
新建二维数组C[n,m]和rec[n,m]
for i <- 0 to n do
| C[i,0] <-0
end
for j <- 0 to m do
| C[0,j] <- 0
end
//动态规划
for i <- 1 to n do
| for j <- 1 to m do
|  | if Xi=Yj then
|  | | C[i,j] <- C[i-1.j-1]+1
|  | | rec[i,j] <- 'LU'
|  | end
|  | else if C[i-1,j]>=C[i,j-1] then
|  | | C[i,j] <- C[i-1,j]
|  | | rec[i,j] <- 'U'
|  | end
|  | else
|  | | C[i,j] <- C[i,j-1]
|  | | rec[i,j] <- 'L'
|  | end
| end
end
return C,rec
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

时间复杂度：$O(n\cdot m)$

最长公共子串

子串：给定序列中零个或多个连续的元素组成的子序列

蛮力枚举

1. 序列X和序列Y各选择一个位置
2. 依次检查元素是否匹配：
   1. 元素相等则继续匹配
   2. 元素不等或某序列已达端点，匹配终止

可能存在最优子结构和重叠子问题。

动态规划

问题结构分析：

• 给出问题表示：$C[i,j]$表示$X[\mathrm{1..}i]$和$Y[\mathrm{1..}j]$中，以$x_i$和$y_j$结尾的最长公共子串$Z[\mathrm{1..}l]$的长度

递推关系建立：分析最优子结构

• KaTeX parse error: {align} can be used only in display mode.

自底向上计算：确定计算顺序

• 初始化：$C[i,0]=C[0.j]=0$//某序列长度为0时，最长公共子串长度为0
• 原始问题： p m a x = m a x { C [ i , j ] } p_{max}=max\{C[i,j]\} pmax​=max{C[i,j]}

最优方案追踪：记录决策过程

• 最长公共子串末尾位置$p_{max}$
• 最长公共子串长度$l_{max}$

伪代码

输入：两个字符串X,Y
输出：X和Y的最长公共子串
//初始化
n <- length(X)
m <- length(Y)
新建二维数组C[n,m]
lmax <- 0
pmax <- 0
for i <- 0 to n do
| C[i,0] <- 0
end
for j <- 0 to n do
| C[0,j] <-0
end
//动态规划
for i <- 1 to n do
| for j <- 1 to m do
|  | if Xi != Yj then
|  | | C[i,j] <- 0
|  | end
|  | else
|  | | C[i,j] <- C[i-1,j-1]+1
|  | | if C[i,j] > lmax then
|  | | | lmax <- C[i,j]
|  | | | pmax <- i
|  | | end
|  | end
| end
end

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

编辑距离问题

编辑操作：删除、插入、替换
递推关系建立：只操作$s$串

• 删除：$D[i,j]=D[i-1,j]+1$
• 插入：$D[i,j]=D[i,j-1]+1$
• 替换：KaTeX parse error: {align} can be used only in display mode.
• 综合以上三种方式：KaTeX parse error: {align} can be used only in display mode.
• 最小编辑距离VS最长公共子序列：
  • KaTeX parse error: {align} can be used only in display mode.
  • KaTeX parse error: {align} can be used only in display mode.

自底向上计算：

• 初始化：
  • $D[i,0]=i$//把长度为$i$的串变为空串至少需要$i$次删除操作
  • $D[j,0]=j$//把空串变为长度为$j$的串至少需要$j$次插入操作
• 递推公式：
  • KaTeX parse error: {align} can be used only in display mode.

最优方案追踪：

• 追踪数组$Rec$，记录子问题来源

伪代码

输入：字符串s和t
输出：s和t的最小编辑距离
n <- length(s)
m <- length(t)
新建D[0..n,0..m],Rec[0..n,0..m]两个数组
//初始化
for i <- 0 to n do
| D[i,0] <- i
| Rec[i,0] <- 'U'
end
for j <- 0 to m do
| D[0,j] <- j
| Rec[0,j] <- 'L'
end
//动态规划
for i <- 1 to n do
| for j <- 1 to m do
|  | c <- 0
|  | if si!=tj then
|  | | c <- 1
|  | end
|  | replace <- D[i-1,j-1]+c
|  | delete <- D[i-1,j]+1
|  | insert <- D[i,j-1]+1
|  | if replace =min{replace,delete,insert} then
|  | | D[i,j] <- D[i-1,j-1]+c
|  | | Rec[i,j] <- 'LU'
|  | end
|  | else if insert = min{replace,delete,insert} then
|  | | D[i,j] <- D[i,j-1]+1
|  | | Rec[i,j] <- 'L'
|  | end
|  | else
|  | | D[i,j] <- D[i-1,j]+1
|  | | Rec[i,j] <- 'U'
|  | end
| end
end
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

最优方案追踪-伪代码

输入：矩阵Rec,字符串s,t,索引位置i,j
输出：操作序列
if i=0 and j=0 then
| return NULL
end
if Rec[i,j]='LU' then
| Print-MED(Rec,s,t,i-1,j-1)
| if si=tj then
| | print '无需操作'
| end
| else
| | print '用tj代替si'
| end
end
else if Rec[i,j]='U' then
| Print-MED(Rec,s,t,i-1,j)
| print '删除si'
end
else
| Print-MED(Rec,s,t,i,j-1)
| print '插入tj'
end
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

钢条切割问题

形式化定义

输入：

• 钢条长度$n$
• 价格表$p_l$：表示长度为$l$的钢条价格

输出：

• 一组切割方案，令收益最大

问题简化

假设至多切割1次，枚举所有可能的切割位置：

• 不切：$p[10]$
• 切割：$p[i]+p[10-i]$

假设至多切割2次：

• 先将钢条切割一段
• 在剩余钢条中继续切割，剩余的问题变为至多切一刀的问题

原始问题不限制切割次数

• 可能存在最优子结构和重叠子问题

动态规划

问题结构分析：

• 给出问题表示：$C[j]$表示切割长度为$j$的钢条可得的最大收益

递推关系建立： C [ j ] = m a x { p [ i ] + C [ j − i ] , p [ j ] } C[j]=max\{ p[i]+C[j-i],p[j] \} C[j]=max{p[i]+C[j−i],p[j]}

自底向上计算：

• 初始化：$C[0]=0$//切割长度为0的钢条，总收益为0
• 递推公式： C [ j ] = m a x { p [ i ] + C [ j − i ] , p [ j ] } C[j]=max\{ p[i]+C[j-i],p[j] \} C[j]=max{p[i]+C[j−i],p[j]}

最优方案追踪：记录决策过程

• 构造追踪数组$rec[\mathrm{1..}n]$
• $rec[j]$：记录长度为$j$的钢条的最优切割方案

伪代码

输入：钢条价格表p[1..n]，钢条长度n
输出：最大收益C[n]，钢条切割方案
//初始化
新建一维数组C[0..n],rec[0..n]
C[0] <- 0
//动态规划
for j <- 1 to n do
| q <- p[j]
| rec[j] <- j
| for i <- 1 to j-1 do
| | if q0 do
| print rec[n]
| n <- n-rec[n]
end
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

时间复杂度为$O(n^2)$

矩阵链乘法问题

矩阵乘法时间复杂度：

• 计算一个数字：$q$次标量乘法
• 共$p\times r$个数字：$\Theta (pqr)$

三个矩阵相乘：

• $(UV)W=U(VW)$
• 新问题：矩阵乘法结合的顺序

$n$个矩阵相乘：

• 一系列矩阵按顺序排列
• 每个矩阵的行数=前一个矩阵的列数
• $n$个矩阵相乘也被称为矩阵链乘法

问题定义

输入：

• $n$个矩阵组成的矩阵链$U_{\mathrm{1..}n}=<U_1,U_2,...,U_n>$
• 矩阵链$U_{\mathrm{1..}n}$对应的维度数分别为$p_0,p_1,...,p_n$，$U_i$的维度是$p_{i-1}\times p_i$

输出：

• 找到一种加括号的方式，使得矩阵链标量乘法的次数最少

如何保证不遗漏最优分割位置：

• 枚举所有可能位置$i..j-1$，共$j-i$种

问题结构分析：

• 明确原始问题：$D[1,n]$表示计算矩阵链$U_{\mathrm{1..}n}$所需标量乘法的最小次数

递推关系建立：

• 对每个位置$k(i\le k\le j)$：$D[i,j]=D[i,k]+D[k+1,j]+p_{i-1}{p}_k{p}_j$
• 枚举所有$k$，得到递推式：$D[i,j]=min(D[i,k]+D[k+1,j]+p_{i-1}{p}_k{p}_j)$

自底向上计算：

• 初始化：$i=j$时，矩阵链只有一个矩阵，乘法次数为0。

最优方案追踪：

• 构造追踪数组$Rec[\mathrm{1..}n,\mathrm{1..}n]$
• $Rec[i,j]$：矩阵链$U_{i..j}$的最优分割位置

伪代码

输入：矩阵维度数组p，矩阵的个数n
输出：最小标量乘法次数，分割方式追踪数组Rec
新建二维数组D[1..n,1..n],Rec[1..n,1..n]
//初始化
for i <- 1 to n do
| D[i,i] <- 0
end
//动态规划
for l <- 2 to n do
| for i <- 1 to n-l+1 do
| | j <- i+l-1
| | for k <- i to j-1 do
| | | q <- D[i,k]+D[k+1,j]+p[i-1]*p[k]*p[j]
| | | if q