77.Longest Common Subsequence-最长公共子序列(中等题)

本文介绍了一种利用动态规划解决最长公共子序列问题的方法,通过构建二维数组记录子问题的解,避免了重复计算,提高了算法效率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

最长公共子序列

  1. 题目

    给出两个字符串,找到最长公共子序列(LCS),返回LCS的长度。

  2. 说明

    注意
    最长公共子序列的定义:
    最长公共子序列问题是在一组序列(通常2个)中找到最长公共子序列(注意:不同于子串,LCS不需要是连续的子串)。该问题是典型的计算机科学问题,是文件差异比较程序的基础,在生物信息学中也有所应用。
    https://en.wikipedia.org/wiki/Longest_common_subsequence_problem

  3. 样例

    给出”ABCD” 和 “EDCA”,这个LCS是 “A” (或 D或C),返回1
    给出 “ABCD” 和 “EACB”,这个LCS是”AC”返回 2

  4. 题解

    由于本题使用暴力解法的时间复杂度是指数级的,所以应使用动态规划来优化。引进一个二维数组lcs[][]来保存每一步的中间状态,如果A.charAt(i-1) == B.charAt(j-1),则由上一步的回溯状态值加1,否则取向左和向上一个节点中的最大值作为状态的延续。
    状态转移方程为:
    这里写图片描述

public class Solution {
    /**
     * @param A, B: Two strings.
     * @return: The length of longest common subsequence of A and B.
     */
    public int longestCommonSubsequence(String A, String B) {
        int[][] lcs = new int[A.length()+1][B.length()+1];
        for (int i=1;i<=A.length();i++)
        {
            for (int j=1;j<=B.length();j++)
            {
                lcs[i][j] = Math.max(lcs[i][j-1],lcs[i-1][j]);
                if (A.charAt(i-1) == B.charAt(j-1))
                {
                    lcs[i][j] = lcs[i-1][j-1] + 1;
                }
            }
        }

        return lcs[A.length()][B.length()];
    }
}

Last Update 2016.10.5

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