子序列&子串问题

1、最长公共子序列

s=abcde t=ace

子序列是不连续的,最长公共子串是连续的

输出:3

int common_longest_string(string& s,string& t){
    int s_len=s.size(),t_len=t.size();
    vector<vector<int> > dp(s_len+1,vector<int>(t_len+1));
    for(int i=0;i<s_len;i++){
        for(int j=0;j<t_len;j++){
            if(s[i]==t[j])
                dp[i+1][j+1]=dp[i][j]+1;
            else
                dp[i+1][j+1]=max(dp[i][j+1],dp[i+1][j]);
        }
    }
    return dp[s_len][t_len];
}

2、最长公共子串

abce abc

输出3

int common_longest_string(string& s,string& t){
    int s_len=s.size(),t_len=t.size();
    vector<vector<int> > dp(s_len+1,vector<int>(t_len+1));
    int res=0;
    for(int i=0;i<s_len;i++){
        for(int j=0;j<t_len;j++){
            if(s[i]!=t[j]){
                dp[i][j]=0;
            }else{
                if(i==0||j==0)
                    dp[i][j]=1;
                else
                    dp[i][j]=dp[i-1][j-1]+1;
                res=max(res,dp[i][j]);
            }
        }
    }
    return res;
}

3、最长递增子序列

[10,9,2,5,3,7,101,18]

输出:4  序列为[2,3,7,101]

时间复杂度:O(n^2)

int lengthOfLIS(vector<int>& nums) {
        vector<int> dp(nums.size(),1);
        int ans=1;
        for(int i=1;i<nums.size();i++){
            for(int j=0;j<i;j++){
                if(nums[i]>nums[j]){
                    dp[i]=max(dp[j]+1,dp[i]);
                }
            }
            ans=max(ans,dp[i]);
        }
        return ans;
    }

时间复杂度:O(nlogn)
设一个数组d,使得这个序列上升地慢,也就是将序列存入d数组中,将d数组的最后一个值最小,这样放进去的才比较多,比较长。

    int lengthOfLIS(vector<int>& nums) {
        int n=nums.size();
        if(n==0)
            return 0;
        vector<int> d(n+1, 0);
        d[1]=nums[0];
        int len=1;
        for(int i=1;i<nums.size();i++){
            if(nums[i]>d[len]){
                d[++len]=nums[i];     
            }else{
                int left=1,right=len,pos=0;
                while(left<=right){
                    int mid=(left+right)>>1;
                    if(d[mid]<nums[i]){
                        left=mid+1;
                        pos=mid;

                    }else{
                        right=mid-1;
                    }
                }
                d[pos+1]=nums[i];
            }
        }
        return len;
    }

 输出最长递增子序列

void LIS(vector<int>& arr) {
        int n=arr.size();
        vector<int> ans(n+1,0);
        int maxz=1;
        int pos;
        vector<int> dp(n,1);
        for(int i=1;i<n;i++){
            for(int j=0;j<i;j++){
                if(arr[i]>arr[j]){
                    dp[i]=max(dp[j]+1,dp[i]);
                    if(dp[i]>=maxz){
                        pos=i;
                        maxz=max(maxz,dp[i]);
                    }
                }
            }
        }
        cout<<"最大序列长度为"<<maxz<<endl;
        int dpm=maxz;
        ans[1]=arr[pos];
        int cnt=1;
        for(int i=pos-1;i>=0;i--){
            if(dp[i]==dpm-1){
                ans[++cnt]=arr[i];
                dpm=dp[i];
            }
        }
        reverse(ans.begin()+1, ans.begin()+cnt+1);
        cout<<"输出最长递增序列:"<<endl;
        for(int i=1;i<=cnt;i++)
            cout<<ans[i]<<" ";
        cout<<endl;
}

3、

&lt;think&gt;首先,用户的问题是:&ldquo;我想理解子序列子串在计算机科学中的区别 请问子序列子串的区别 计算机科学 基础概念&rdquo;。这涉及到计算机科学中的基本概念。 根据系统指令: - 所有行内数学表达式必须使用$...$格式。 - 独立公式必须使用$$...$$格式并单独成段。 - 使用中文回答。 - 生成相关问题。 - 回答中引用的段落末尾自然地添加引用标识。 - 回答结构清晰,帮助用户逐步解决问题。 参考站内引用: - 引用[1]提到:子序列子串是基本概念,在公共子序列问题中常用。 - 引用[2]:字符串的最长公共子序列(LCS)是动态规划的范畴。 - 引用[3]:子序列是从序列中派生出来的序列,元素相对顺序不变;子序列可以不连续。 - 引用[4]:LCS问题中,子序列可以不是连续的,但相对顺序一样;子串是连续的。 - 引用[5]:子序列可以不连续,而子串要求连续。 关键区别: - 子串(Substring):必须是原字符串中连续的一段字符序列。 - 子序列(Subsequence):可以从原序列中删除一些元素(不一定连续),但保持元素的相对顺序。 例如: - 对于字符串 &quot;ABCD&quot;: - 子串&quot;AB&quot;, &quot;BC&quot;, &quot;CD&quot;, &quot;ABC&quot; 等(连续)。 - 子序列&quot;AC&quot;, &quot;AD&quot;, &quot;BD&quot; 等(不连续,但顺序保持)。 在数学表达式中: - 如果提到序列,可以用数学符号表示。例如,序列 $S = s_1, s_2, \dots, s_n$。 - 子序列: $S&#39; = s_{i_1}, s_{i_2}, \dots, s_{i_k}$ where $1 \leq i_1 &lt; i_2 &lt; \dots &lt; i_k \leq n$。 - 子串: $S&#39; = s_i, s_{i+1}, \dots, s_j$ for some $1 \leq i \leq j \leq n$。 回答结构: 1. **引入概念**:解释子序列子串的定义。 2. **区别对比**:清晰地列出主要区别。 3. **例子说明**:用简单例子展示区别。 4. **应用场景**:简要提及在计算机科学中的应用,如最长公共子序列(LCS)问题。 5. **生成相关问题**:在末尾添加相关问题。 生成相关问题: - 基于主题,如: 1. 最长公共子序列问题如何解决? 2. 子序列子串在算法设计中的重要性? 3. 实际应用场景,如生物信息学或文本比较。 引用标识:在回答中,如果引用参考内容,添加引用标识如 [^1]。参考引用中,[1]到[5]都涉及子序列子串,所以可以在相关部分添加。 完整回答: - 用中文。 - 结构清晰:先定义,再区别,例子,应用。 - 确保LaTeX语法正确。&lt;/think&gt;### 子序列子串在计算机科学中的区别 在计算机科学中,子序列子串是序列处理中的基础概念,常用于字符串比较、算法设计(如动态规划)和生物信息学等领域。它们虽然都表示从原序列中派生出的部分序列,但核心区别在于**连续性要求**和**元素顺序**。下面我将逐步解释它们的定义、区别、示例和应用,帮助您清晰理解。 #### 1. **基本定义** - **子串(Substring)**:指原字符串中**连续的一段字符序列**。子串必须保持元素的连续性和相对顺序,不能跳过任何元素。 例如,对于字符串 $S = &quot;ABCD&quot;$,子串可以是 $&quot;AB&quot;$ 或 $&quot;BCD&quot;$(因为它们是连续的片段)。 - **子序列(Subsequence)**:指从原序列中**删除部分元素后得到的序列**,但保留元素的**相对顺序**。子序列不要求元素连续,可以跳过中间元素。 例如,对于字符串 $S = &quot;ABCD&quot;$,子序列可以是 $&quot;AC&quot;$ 或 $&quot;BD&quot;$(因为 $&quot;A&quot;$ 和 $&quot;C&quot;$ 之间跳过了 $&quot;B&quot;$,但顺序不变)。 #### 2. **关键区别对比** 下表总结了子序列子串的核心差异: | 特性 | 子串(Substring) | 子序列(Subsequence) | |--------------|----------------------------------------|---------------------------------------| | **连续性** | 必须连续(元素相邻) | 可以不连续(可以跳过元素) | | **元素顺序** | 必须保持原顺序 | 必须保持原顺序 | | **数学表示** | 对于序列 $S = s_1, s_2, \dots, s_n$,子串为 $S_{i:j} = s_i, s_{i+1}, \dots, s_j$($1 \leq i \leq j \leq n$) | 子序列为 $S&#39; = s_{k_1}, s_{k_2}, \dots, s_{k_m}$($1 \leq k_1 &lt; k_2 &lt; \dots &lt; k_m \leq n$) | | **示例** | $&quot;ABC&quot;$ 是 $&quot;ABCD&quot;$ 的子串 | $&quot;AC&quot;$ 是 $&quot;ABCD&quot;$ 的子序列 | | **常见问题** | 最长公共子串(要求连续匹配) | 最长公共子序列(LCS,允许不连续匹配)[^4] | #### 3. **示例说明** 假设有两个字符串 $A = &quot;ABCBDAB&quot;$ 和 $B = &quot;BDCAB&quot;$: - **子串示例**:$&quot;CAB&quot;$ 是 $A$ 的子串(因为它是连续片段),但不是 $B$ 的子串($B$ 中 $&quot;CAB&quot;$ 不连续)。 - **子序列示例**:$&quot;BCAB&quot;$ 是 $A$ 的子序列(元素顺序为 $B \to C \to A \to B$,跳过了部分元素),也是 $B$ 的子序列(顺序相同)。因此,$&quot;BCAB&quot;$ 是两者的一个公共子序列。 #### 4. **应用场景** - **子序列**:广泛用于比较序列相似度,例如: - 最长公共子序列(LCS)问题,用于DNA序列比对(生物信息学)或文本差异检测(如Git版本控制)[^1][^4]。 - 算法实现中通常使用动态规划,因为子序列允许不连续性,便于优化计算[^2]。 - **子串**:适用于需要精确连续匹配的场景,例如: - 字符串搜索(如KMP算法)或关键词匹配。 - 最长公共子串问题,用于检测抄袭或连续模式识别[^5]。 理解这一区别对于学习算法(如动态规划)至关重要。子序列的灵活性使其在复杂序列分析中更常用,而子串的严格连续性则适合精确匹配任务[^3]。
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