南阳OJ36-最长公共子序列(LCS)

最长公共子序列

时间限制: 3000 ms  |  内存限制: 65535 KB
难度: 3
描述
咱们就不拐弯抹角了,如题,需要你做的就是写一个程序,得出最长公共子序列。
tip:最长公共子序列也称作最长公共子串(不要求连续),英文缩写为LCS(Longest Common Subsequence)。其定义是,一个序列 S ,如果分别是两个或多个已知序列的子序列,且是所有符合此条件序列中最长的,则 S 称为已知序列的最长公共子序列。
输入
第一行给出一个整数N(0<N<100)表示待测数据组数
接下来每组数据两行,分别为待测的两组字符串。每个字符串长度不大于1000.
输出
每组测试数据输出一个整数,表示最长公共子序列长度。每组结果占一行。
样例输入
2
asdf
adfsd
123abc
abc123abc
样例输出
3
6
来源
经典


注意最长公共子串(Longest CommonSubstring)和最长公共子序列(LongestCommon Subsequence, LCS)的区别:子串(Substring)是串的一个连续的部分,子序列(Subsequence)则是从不改变序列的顺序,而从序列中去掉任意的元素而获得的新序列;更简略地说,前者(子串)的字符的位置必须连续,后者(子序列LCS)则不必。比如字符串acdfg同akdfc的最长公共子串为df,而他们的最长公共子序列是adf。


我简单说一下cls的原理
 
 
就是要让任意一个串每次增加一个字符分别和另一个串比较,求出最大的公共部分!
 
 
 
 

LCS(S1,S2)等于下列3项的最大者:

(1)LCS(S1,S2’)--如果C1不等于C2;

(2)LCS(S1’,S2)--如果C1不等于C2;

(3)LCS(S1’,S2’) LCS(S1',S2')+1--如果C1等于C2;

边界终止条件:如果S1和S2都是空串,则结果也是空串。

 
 
看张图好理解
 
 
 
 
先让A自己是一个串,和串BDCABA一个一个比
 
第一次比较 A和B他们都是一个串,末尾A和B不相等,最长的公共部分就是A前面串(空)和B或者B前面串(空)和A的最大一个,显然他们前面都没有,就是0
 
第二次比较A和 BD,末尾A和D不相等,最长的公共部分就是A前面串(空)和BD或者D前面串(B)和A的最大一个,显然他们公共部分为0
 
第三次比较A和BDC,末尾A和C不相等,最长的公共部分就是A前面串(空)和BDC或者C前面串(BD)和A的最大一个,显然他们公共部分为0
 
第四次比较A和BDCA,末尾A和A相等,最长的公共部分就是A前面串(空)和A前面串(BDC)公共长度加1(因为最后一个相等都是A)显然他们公共部分为1
....
 
依次写到末尾就是最长的公共部分的最大长度


所以这一题也就是纯模板题了:


下面附上代码:


#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
char str1[1010],str2[1010];
int dp[1010][1010];
int main()
{
	int n;
	scanf("%d",&n);
	while(n--)
	{
		memset(dp,0,sizeof(dp));
		scanf("%s%s",str1,str2);
		int len1=strlen(str1);
		int len2=strlen(str2);
		for(int i=1;i<=len1;i++)//让dp数组从1开始,避免数组越界
		{
			for(int j=1;j<=len2;j++)
			{
				if(str1[i-1]==str2[j-1])
				dp[i][j]=dp[i-1][j-1]+1;
				else
				dp[i][j]=max(dp[i-1][j],dp[i][j-1]);
			}
		}
		printf("%d\n",dp[len1][len2]);
	}
	return 0;
 } 



### 最长公共上升子序列 (LCIS) 的解思路 对于最长公共上升子序列(Longest Common Increasing Subsequence, LCIS),该问是两个经典问——最长公共子序列LCS)和最长上升子序列(LIS)的结合体。解决此问通常采用动态规划的方法。 #### 定义状态转移方程 设 `A` 和 `B` 是给定的两个序列,长度分别为 `m` 和 `n`。定义二维数组 `dp[i][j]` 表示以 `A[i-1]` 结尾且在 `B[j-1]` 中找到的最大 LCIS 长度,则有如下状态转移关系: 当 `A[i-1]==B[j-1]` 并且满足前驱条件时, \[ dp[i][j]=dp[k][l]+1 \quad\text{其中}\ k<i,\ l<j,\ A[k-1]<A[i-1]\ and\ B[l-1]<B[j-1] \] 否则, \[ dp[i][j]=0 \] 这里需要注意的是,在实际编程过程中,为了简化计算过程并提高效率,可以在遍历的过程中维护一个额外的一维数组来记录当前最优解的位置索引以便于回溯路径[^2]。 #### 初始化与边界处理 初始化阶段应将所有的 `dp[i][0]` 及 `dp[0][j]` 设为零,因为任何序列与空序列之间的共同部分都为空;另外还需注意输入数据的有效性和特殊情形下的快速返回机制。 ```python def lcis(A, B): m, n = len(A), len(B) if not m or not n: return [] # Initialize DP table with zeros. dp = [[0]*(n+1) for _ in range(m+1)] prev = [[None]*(n+1) for _ in range(m+1)] max_length = 0 end_index = None for i in range(1,m+1): for j in range(1,n+1): if A[i-1] == B[j-1]: temp_max = 0 for p in range(i): if A[p-1] < A[i-1] and dp[p][j]>temp_max: temp_max=dp[p][j] dp[i][j] = temp_max + 1 if dp[i][j] > max_length: max_length = dp[i][j] end_index = i-1 prev[i][j]=(i,j-1) result_sequence = [] while end_index is not None: result_sequence.append(A[end_index]) next_pos=None for col in reversed(range(n)): if prev[end_index+1][col+1]==(end_index,col): next_pos=(end_index,col) break if next_pos==None: break else: end_index=next_pos[0]-1 return list(reversed(result_sequence)) ``` 上述代码实现了基于动态规划思想求解 LCIS 的基本框架,并通过构建辅助结构帮助追踪最终的结果序列[^4]。
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