算法(DP):最长公共子序列问题

本文详细介绍了使用动态规划方法解决最长公共子序列问题的算法实现过程,包括核心逻辑、时间复杂度和空间复杂度分析。

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

最长公共子序列问题大体分为两种方法:

1.蛮力搜索:列举A所有的2^n个子序列,对于每一个子序列在θ(m)时间内来确定它是否也是B的子序列,复杂性是θ(m*2^n),是指数复杂性的。

2.动态规划:最优解能够在θ(m*n)时间和θ(min{m,n})空间内得到。

public class LCS {
public static void main(String[] args) {
String[] a = {"x","y","x","x","z","x","y","z","x","y"};
String[] b = {"z","x","z","y","y","z","x","x","y","x","x","z"};
Lcss lcss = new Lcss();
lcss.longestcommonsubsequence(a, b);
}
}
class Lcss{
public void longestcommonsubsequence(String[] a, String[] b) {
int n = a.length + 1;
int m = b.length + 1;
int L[][] = new int[n][m];
for(int i = 0;i<n;i++){
L[i][0] = 0;
}
for(int j = 0;j<m;j++){
L[0][j] = 0;
}
for(int i = 1;i<n;i++){
for(int j = 1;j<m;j++){
if(a[i-1] == b[j-1]){                       //注意数组a,b是从0下标开始记录数据的,而存放最长公共子序列长度的数组L是从下标1开始计数的。
L[i][j] = L[i-1][j-1] + 1;
}else{
L[i][j] = max(L[i-1][j],L[i][j-1]);
}
}
}
myPrint(L);
}
private void myPrint(int[][] l) {
int n = l.length;
int m = l[1].length;
for(int i = 0;i<n;i++){
for(int j = 0;j<m;j++){
System.out.print(l[i][j]);
}
System.out.println("");
}
}
private int max(int i, int j) {
if(i>=j) {
return i;
}else{
return j;
}
}
}



评论 1
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