10635 - Prince and Princess UVA-10635 (最长公共子序列的O(nlogn)的解法:LCS转换为LIS)

本文详细解析了一种优化后的最长公共子序列(LCS)算法,通过将LCS问题转化为最长上升子序列(LIS)问题,实现了O(nlogn)的时间复杂度。文章提供了具体的代码实现,对比了传统O(n^2)算法,展示了如何利用数组元素的唯一性特性来提高算法效率。

题意:

第一行给出测试样例个数t。

每个测试样例中第一行输入n(两个数组给出的数字的范围是在1~n*n之间),p(第一个数组的元素个数为p+1),q(第二个数组的元素个数为q+1)

第二行输入第一个数组,第三行输入第二个数组。数组内没有任意两个数相同。且首位都是1。

求给定的两个数组的最长公共子序列长度。

这道题的数据范围很大,对于普通的O(n^2)的算法来讲,时间复杂度非常大。 
然而这道题有着特殊的条件,那就是没有任意两个数字是相同的。 
那么我们可以考虑如果将b中数字在a中出现的位置替换为b的值,那么显然b的最长上升子序列LIS就是a和b的最长公共子序列LCS。   
例如:
a[7]={1,7,5,4,8,3,9}
位置: 1,2,3,4,5,6,7
b[8]={1,4,3,5,6,2,8,9} 
将b的值替换 
b[8]={1,4,6,3,0,0,5,7}(-1表示没出现过) 
这时候从b中选出的所有不为-1数字都能保证是a,b的公共数字 
然后再找出单调递增的数字就是ab公共的数字,并且是在a中从左到右顺序的公共序列。

代码:(最长公共子序列的O(nlogn)的解法:LCS转换为LIS)AC

#include<iostream>
#include<cmath>
#include<cstdio> 
#include<cstdlib> 
#include<cstring>
#include<algorithm> 
using namespace std;
const int maxn=65777;
int lis[maxn],b[maxn],has[maxn];
//lis存放公共子序列 b存放b序列数字在a序列中的位置  存放a序列中数字的位置
int main()
{
	int t,n,p,q,x;
	scanf("%d",&t);
	for(int f=1;f<=t;f++)
	{
		memset(has,-1,sizeof(has)); 
		scanf("%d%d%d",&n,&p,&q);
		for(int i=1;i<=p+1;i++)
		{ 
		  scanf("%d",&x);
		  has[x]=i; //将元素的下标存下来 
		}
		for(int i=1;i<=q+1;i++)
		{
		   scanf("%d",&x); 
		   b[i]=has[x]; //b数列的数如果在a数列中存在,那么就存下来其在a数列的下标 
		} 
		int ind=0;
		for(int i=1;i<=q+1;i++)
		{
			if(b[i]==-1)continue;
			if(ind==0)  //第一个数,直接存入lis数组中 
			{
				ind++;
				lis[ind]=b[i];
				continue;
			}
			else if(b[i]>lis[ind]) //如果b[i]大于lis数组中的最后一个数,直接存入lis数组中 
			{
				ind++;
				lis[ind]=b[i];
				continue;
			} 
			int tem=lower_bound(lis+1,lis+ind+1,b[i])-lis;  //找到第一个大于或等于b[i]这个元素的位置 
			lis[tem]=b[i]; //更新成更小的值 
		} 
		printf("Case %d: %d\n",f,ind);
	}
	return 0;
} 

WA的代码:(最长公共子序列的O(n^2)的解法)  

#include<iostream>
#include<cmath>
#include<cstdio> 
#include<cstdlib> 
#include<cstring>
#include<algorithm> 
using namespace std;
const int maxn=62510;
int dp[maxn][maxn];
int a[maxn],b[maxn];
int main()
{
	int t,n,p,q,x;
	scanf("%d",&t);
	for(int f=1;f<=t;f++)
	{
		memset(dp,0,sizeof(dp)); 
		scanf("%d%d%d",&n,&p,&q);
		for(int i=1;i<=p+1;i++)
		  scanf("%d",&a[i]);
		for(int i=1;i<=q+1;i++)
		  scanf("%d",&b[i]); 
		int ans=0;
		for(int i=1;i<=p+1;i++)
		{
			for(int j=1;j<=q+1;j++)
			{
				if(a[i]==b[j])dp[i][j]=dp[i-1][j-1]+1; 
				else dp[i][j]=max(dp[i-1][j],dp[i][j-1]);
				ans=max(ans,dp[i][j]);
			}
		}  
		printf("%d\n",ans);
	}
	return 0;
}

 

### 关于最长公共子序列问题的时间复杂度为O(nlogn)的算法模板 对于给定两个长度分别为m和n的字符串X和Y,计算其最长公共子序列(LCS),通常的方法是采用时间复杂度为\(O(m \times n)\)动态规划方法。然而,在特定情况下可以实现更高效的解决方案。 当处理的是排列而非一般字符串时,即输入数据由不重复整数构成并代表某种顺序,则存在一种基于二分查找技术来达到\(O((m+n)\log m)\)[^1]效率级别的改进型解法。此方法首先映射其中一个序列为连续区间内的数值以便后续操作;接着利用另一个序列中的元素在此已调整过的序列上执行类似于最长增加子序列(Longest Increasing Subsequence, LIS)的操作流程完成匹配过程[^2]。 具体来说: - 将第一个排列 \(P_1\) 映射到位置索引; - 对第二个排列 \(P_2\) 中每一个值查询它在 \(P_1\) 中的位置,并记录这些位置形成的新列表; - 使用上述新列表作为基础去解决一个等价版本的最大增长子串问题——这一步骤能够通过树状数组或线段树等方式加速至 \(O(N\log N)\) 时间内完成[^3]。 以下是Python代码示例展示如何应用这一思路解决问题: ```python from bisect import bisect_left def map_positions(p): pos = {value: index for index, value in enumerate(p)} return [pos[value]+1 for value in p] def lis(nums): dp = [] for num in nums: i = bisect_left(dp, num) if i == len(dp): dp.append(num) else: dp[i] = num return len(dp) def lcs_via_lis(p1, p2): mapped_p2 = map_positions(dict(enumerate(p1))) positions_in_p1 = [mapped_p2[p] for p in p2 if p in mapped_p2] return lis(positions_in_p1) p1 = [3, 2, 1, 4, 5] p2 = [1, 2, 3, 4, 5] print(lcs_via_lis(p1, p2)) ```
评论
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