动态规划:最长公共子序列

本文介绍了一个使用Java实现的最长公共子序列(LCS)算法。该算法通过动态规划求解两个字符串的最长公共子序列,并打印出具体的子序列。程序首先读取两个字符串,然后构建一个二维数组来存储子问题的解。
import java.util.Scanner;

//最长公共子序列
public class LCS {
    public static void main(String[] args) {
        Scanner scanner=new Scanner(System.in);
        char[] x;
        char[] y;
        String stringX=scanner.nextLine();
        x=stringX.toCharArray();
        String stringY=scanner.nextLine();
        y=stringY.toCharArray();
        //c[i][j]记录Xi和Yj的最长公共子序列长度
        int[][] c=new int[x.length+1][y.length+1];
        //b[i][j]记录c[i][j]的值是由哪个子问题解到的
        int[][] b=new int[x.length+1][y.length+1];
        LCSLength(x, y, x.length, y.length, b,c);
        System.out.println(c[x.length][y.length]);
        printLCS(x.length, y.length, x, b);
    }

    private static void LCSLength(char[] x,char[]y,int m,int n,int[][] b,int[][]c){
        int i,j;
        for (i = 1; i <= m; i++) {
            c[i][0]=0;
        }
        for (j = 1; j <= n; j++) {
            c[0][j]=0;
        }
        for (i = 1; i <= m; i++) {
            for (j = 1; j <= n; j++) {
                if (x[i-1]==y[j-1]) {
                    c[i][j]=1+c[i-1][j-1];b[i][j]=1;
                }
                else if (c[i-1][j]>=c[i][j-1]) {
                    c[i][j]=c[i-1][j];
                    b[i][j]=2;
                }
                else {
                    c[i][j]=c[i][j-1];
                    b[i][j]=3;
                }
            }
        }
    }

    //打印最长子序列
    private static void printLCS(int i,int j,char[] x,int[][] b){
        if (i==0||j==0) return;
        if (b[i][j]==1) {
            printLCS(i-1, j-1, x, b);
            System.out.print(x[i-1]);
        }
        else if (b[i][j]==2) {
            printLCS(i-1, j, x, b);
        }
        else {
            printLCS(i, j-1, x, b);
        }
    }
}
提供的引用内容中未提及头歌平台上关于动态规划解决最长公共子序列问题的相关内容。不过,动态规划解决最长公共子序列问题有其自身的原理和方法。 最长公共子序列(Longest Common Subsequence,LCS)问题是指在两个或多个序列中找到一个最长的子序列,该子序列在所有给定序列中都按顺序出现,但不一定连续。例如,对于字符串S1为{a,s,d,f,g,h,q,e},S2为{b,s,f,h,q,w,p},它们的最长公共子序列是sfhq,长度为4 [^3]。 动态规划解决该问题的依据是其最优子结构性质,即在两个序列的最长公共子序列中,如果最后一个字符相同,则这个相同的字符一定是最长公共子序列的最后一个字符,并且剩余部分也是这两个序列去掉最后一个字符后的最长公共子序列 [^2]。 在编程实现时,通常会定义一个表c[0,...,m][0,...,n],空间复杂度为O(m*n),但实际上表c的信息存在冗余,要获得c[i][j],只需根据c[i - 1][j - 1],c[i][j - 1],c[i - 1][j]中的信息即可,因此可以将空间复杂度优化到O(m)或者O(n) [^4]。 以下是一个使用Python实现动态规划解决最长公共子序列问题的示例代码: ```python def longest_common_subsequence(s1, s2): m = len(s1) n = len(s2) # 创建二维数组来存储子问题的解 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 s1[i - 1] == s2[j - 1]: dp[i][j] = dp[i - 1][j - 1] + 1 else: dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]) return dp[m][n] # 示例 s1 = "abcde" s2 = "ace" print(longest_common_subsequence(s1, s2)) # 输出: 3 ```
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