最长回文子序列

本文介绍了一种求解字符串中最长回文子序列的方法,通过动态规划算法实现,包括状态转移方程的设计与实现代码示例。

border="0" width="330" height="86" src="//music.163.com/outchain/player?type=2&id=1296882&auto=0&height=66">

Description :

寻找字符串的最长回文子序列的长度 .
和子串不同,子串要求是连续的, 但是回文序列可以不连续
比如 “axbnOba” 的最长回文子序列就是 “abOba” ,长度为 5 .


子问题 : 单字符一定是回文序列 .
对任意字符串,如果头和尾相同,那么它的最长回文子序列一定是:
“去头尾后的部分的最长回文子序列 + 头和尾 “。
如果头和尾不同,那么它的最长回文子序列是:
“去头的部分的最长回文子序列 和 去尾的部分的最长回文子序列” 中较长的那一个。

设字符串为s,设 dp(i,j) 表示 s[i..j]的最长回文子序列的长度。比如 dp[0,1] 就表示 s[0..1] 的最长回文序列的长度 . 而 dp(m,m) 表示 s[m] 这个字符的最长回文序列长度 ,为 1 .
## 写出状态转移方程 :

初始化 : 当i>j时,dp(i,j) = 0 , 当 i=j 时,dp(i,j)=1 (单字符回文序列的长度为1)
当 i

int getsublength(string s)
    int n = s.length(); 
    int f[n][n] ; 
    memset(f,0,sizeof(f));
    for (int i = n-1; i>=0; i--) {
        f[i][i]=1;  //执行过程中完成初始化 
        for (int j = i+1; j < s.length(); j++){ 
            if (s[i]==s[j]){ 
                f[i][j]=f[i+1][j-1]+2;} 
            else
                f[i][j]=max(f[i][j-1],f[i+1][j]);
        }
    }
    return cout<<f[0][s.length()-1]<<endl;
}

感谢 :http://blog.youkuaiyun.com/xiaofei_it/article/details/16813591 提供过的思路

### 最长回文子序列问题中的字典序算法 对于最长回文子序列问题,通常的目标是最小化或最大化其字典序。这意味着,在找到具有最大长度的回文子序列之后,还需要进一步优化这些子序列的排列方式以满足特定条件。 #### 动态规划解决最长回文子序列 动态规划是一种常见的解决方案来计算最长回文子序列的长度[^2]。然而,当涉及到字典序时,我们需要扩展基本的动态规划方法,以便仅记录长度还记录具体的子序列及其字典顺序。 以下是基于动态规划的方法并结合字典序处理的一个实现: ```python def longest_palindromic_subsequence(s): n = len(s) dp = [[[] for _ in range(n)] for __ in range(n)] # 初始化单字符的情况 for i in range(n): dp[i][i].append(s[i]) # 构建dp表 for length in range(2, n + 1): # 子串长度从2到n for start in range(n - length + 1): end = start + length - 1 if s[start] == s[end]: temp = [s[start] + subseq + s[end] for subseq in dp[start + 1][end - 1]] dp[start][end] = min(temp, key=lambda x: (len(x), x)) # 使用最小字典序 else: left_sequences = dp[start][end - 1] right_sequences = dp[start + 1][end] merged = list(set(left_sequences + right_sequences)) dp[start][end] = sorted(merged, key=lambda x: (-len(x), x))[0:] # 排序按长度降序和字典升序 result_list = dp[0][n - 1] final_result = min(result_list, key=lambda x: (len(x), x)) # 获取最终结果 return final_result # 测试用例 print(longest_palindromic_subsequence("bbbab")) # 输出:"bbbb" print(longest_palindromic_subsequence("cbbd")) # 输出:"bb" ``` 上述代码通过构建二维数组 `dp` 来存储每一对索引之间的所有可能的回文子序列,并利用 Python 的内置函数对它们按照长度优先、其次字典序的方式排序[^3]。 #### 时间复杂度分析 此方法的时间复杂度主要由两部分组成:一是填充 DP 表的过程 \( O(n^2) \),二是每次更新过程中涉及的列表操作(如去重、排序),这可能会增加额外开销至 \( O(k\log k) \),其中 \( k \) 是当前状态下的候选子序列数量。因此整体时间复杂度接近于 \( O(n^3) \)[^4]。 #### 空间复杂度分析 由于需要保存所有的中间状态以及对应的子序列集合,空间需求较高,大约为 \( O(n^2) \). --- ###
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