动态规划精解-CSDN博客

本文链接：https://blog.csdn.net/CSDN_THISISME/article/details/90173477

本文深入解析动态规划在编辑距离计算和邮差问题中的应用，详细阐述递推公式和算法设计，探讨子问题划分与最短路径求解。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

动态规划

编辑距离（Levenshtein距离）

比较两个字符串时，若字符串 $x$ 长度为m，字符串 $y$ 长度为n。
假设这两个字符串之间的编辑距离为 $E (m, n)$ 。
要通过动态规划的方式解决它，那就需要将这样一个问题划分为子问题 $E (i, j)$ ，子问题表示串 $x$ 中前 $i$ 个字符与串 $y$ 中前 $j$ 个字符之间的编辑距离。
当计算子串的编辑距离时，子串的最右边一列对齐时有以下三种情形：

$_x[i]x[i]y[j]_y[j]\ \_ \qquad \qquad x[i] \qquad \qquad x[i] \\ y[j] \qquad \qquad \_ \qquad \qquad y[j]$

根据以上的对齐方式，可以得到 $E (i, j)$ 的递推公式：

$E(i,j) = min\{ 1+E(i-1,j), \ 1+E(i,j-1), \ diff(i,j)+E(i-1,j-1) \} ; \\ If \ x[i]==y[i] \ then \ diff(i,j)=0,\ otherwise \ diff(i,j)=1; \\ E(0,j)=j; \ E(i,0)=i$

根据以上递推公式，便能计算并填写下列表格，最终的 $E (m, n)$ 即为最小编辑距离

$E (i, j)$		x[1]	x[2]	…	x[i]	…	x[m]
	0	1	2	…	i	…	m
y[1]	1
y[2]	2
…	…
y[j]	j
…	…
y[n]	n

计算编辑距离的时间复杂度为
$\cdot n)$

计算出编辑距离后，要想求出字符串的编辑位置，则可以从 $E (m, n)$ 开始与左边、上边或左上角移动一格的区域中找出最小的一个编辑距离即 $Ed_{min}=min\{ E(m-1,n), \ E(m,n-1), \ E(m-1,n-1) \}$ ，将其与 $E (m, n)$ 比较，若两者相等则说明 $x [m]$ 与 $y [n]$ 是对齐且相等的；否则认为这一位置是编辑点。同时继续以 $Ed_{min}$ 对应的位置开始继续以上的步骤。
?
如下图说示，为两字符串的编辑位置。

在这里插入图片描述

邮差问题

给定一个加权完全图 $G = (V, E)$ ，每条边都有对应一个权值。试寻找一个简单的环路（不闭合），这个环路经过每个顶点恰好一次，并且总权值最小。
如下所示的图，图中有 $n = 5$ 个顶点，假设起点是A点，则从起点开始逐一访问其余顶点形成的所有可能路径是其余4个点的排列 $P(^{n-1}_{n-1})$ ，使用动态规划的话，能

在这里插入图片描述

动态规划的解法思路是：
对于一个子集 $S⊆{1,2,...,n}S\subseteq \{ 1,2,...,n\}$ 且 $\in S , j \in S.$
让 $C (S, j)$ 表示从起点 $1$ 开始经过了集合 $S$ 中所有顶点一次且终止于 $j$ 的路径的最短长度。将 $C (S, j)$ 表示为更小的子问题：
$C(S, j) = min C(S- \{ j \}, i) + d_{ij} \\ C(\{ 1\} ,1)=0$

有了以上的递推公式，便能进行相应的动态规划算法设计了，先从大小为2的集合 $\in S)$ 开始，赋值 $\infty$ ，找出 $S$ 中的元素 $\neq1，j非起点)$ ，对 $C (S, j)$ 执行上述递推公式。之后逐渐扩大集合S的大小直至 $n$ ，并重复上述步骤。

伪代码：
$C(\{ 1\} ,1)=0$
for h=2 to n do
for all subsets $\subseteq \{1,2,...,n \}$ of size h and containing 1 do
$\infty$
for all $\in S, j \neq 1$ do
$C(S, j) = min C(S- \{ j \}, i) + d_{ij}$
return $min_j C( \{ 1,2,...,n \}, j) +d_{j1}$