Java_动态规划|回溯|最长公共子序列(Longest Common Sequence)|LCS

本文通过Java详细讲解了如何使用回溯算法解决最长公共子序列问题,配合图解帮助理解算法过程。
/**
 * 核心算法: 
 * 当i=0||j=0时,c[i,j]=0 
 * 当xi=yj时,c[i,j]=c[i-1,j-1]+1 
 * 当xi!=yj时,c[i,j]=max{c[i-1,j],c[i,j-1]}
 * 
 * @author Chill Lyn
 *
 */
class LongestCommonSequence {
   
   
	public static void main(String[] args) {
   
   
		// 定义两个字符串
		String x = "0358646";
		String y = "142386";

		lcs(x, y);
	}

	public static void lcs(String x, String y) {
   
   
		// 定义动态规划二维数组
		int[][] c = new int[x.length() + 1][y.length() + 1];

		for (int j = 0; j < y.length() + 1; j++) {
   
   
			
### 动态规划求解最长公共子序列 (LCS) 的流程图与算法步骤 动态规划是一种通过将复杂问题分解为更小的子问题并存储中间结果来避免重复计算的方法[^1]。对于最长公共子序列 (Longest Common Subsequence, LCS),可以通过构建二维表格的方式逐步解决问题。 #### 算法核心思想 给定两个字符串 `X` 和 `Y`,分别长度为 `m` 和 `n`,定义一个二维数组 `C[m+1][n+1]` 来表示前缀匹配的结果。其中 `C[i][j]` 表示字符串 `X[0:i]` 和 `Y[0:j]` 的最长公共子序列长度。状态转移方程如下: - 如果 `X[i-1] == Y[j-1]`,则有: \[ C[i][j] = C[i-1][j-1] + 1 \] - 否则取两者中的较大值: \[ C[i][j] = \max(C[i-1][j], C[i][j-1]) \] 初始化条件为当任意一方为空串时,公共子序列为零,即 \(C[i][0] = 0\) 和 \(C[0][j] = 0\)[^1]。 --- #### 流程图描述 以下是基于动态规划LCS 计算过程的简化流程图说明: 1. **输入阶段**: 输入两个字符串 X 和 Y。 2. **初始化阶段**: 创建大小为 `(len(X)+1) × (len(Y)+1)` 的矩阵 C 并设初始值。 3. **填充阶段**: - 遍历字符串 X 和 Y 中的所有字符组合。 - 对于每一对字符比较是否相等,并更新对应的矩阵单元格值。 4. **回溯阶段**: - 从右下角开始反向追踪路径,根据状态转移关系重建最长公共子序列。 5. **输出阶段**: 输出最终的最长公共子序列及其长度。 --- #### Python 实现代码 下面是一个完整的 Python 实现,展示了如何利用动态规划计算 LCS 及其具体路径。 ```python def lcs(X, Y): m, n = len(X), len(Y) # 初始化 DP 数组 dp = [[0]*(n+1) for _ in range(m+1)] # 填充 DP 数组 for i in range(1, m+1): for j in range(1, n+1): if X[i-1] == Y[j-1]: dp[i][j] = dp[i-1][j-1] + 1 else: dp[i][j] = max(dp[i-1][j], dp[i][j-1]) # 回溯寻找 LCS 序列 result = [] i, j = m, n while i > 0 and j > 0: if X[i-1] == Y[j-1]: result.append(X[i-1]) i -= 1 j -= 1 elif dp[i-1][j] >= dp[i][j-1]: i -= 1 else: j -= 1 return ''.join(reversed(result)), dp[m][n] # 示例调用 if __name__ == "__main__": str1 = "ABCBDAB" str2 = "BDCAB" sequence, length = lcs(str1, str2) print(f"LCS is '{sequence}' with length {length}") ``` --- #### 图形化解释 假设字符串分别为 `X="AGGTAB"` 和 `Y="GXTXAYB"`: | | Ø | G | X | T | X | A | Y | B | |-------|---|----|----|----|----|----|----|---| | Ø | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | | A | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | | G | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | | G | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | | T | 0 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | | A | 0 | 1 | 1 | 2 | 2 | 3 | 3 | 3 | | B | 0 | 1 | 1 | 2 | 2 | 3 | 3 | 4 | 此表显示了每个位的状态变化以及最终得出的最大公共子序列长度为 4 (`GTAB`)。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值