LCS && LIS

LIS的子问题:dp[i]记录以a[i]为终点的最长上升子序列的长度

 

LCS的子问题:dp[i][j]记录以i结尾的s1与以j结尾的s2的最长公共子序列的长度


### C++ 中实现 LISLCS 的解决方案 #### 最长递增子序列 (LIS) 对于最长递增子序列问题,在C++中的一个高效解法利用了二分查找来优化时间复杂度至 O(n log n)[^3]。下面展示了一个具体的实现方式: ```cpp #include <vector> #include <algorithm> using namespace std; int lengthOfLIS(vector<int>& nums) { vector<int> temp; for(int num : nums){ auto it = lower_bound(temp.begin(), temp.end(), num); if(it == temp.end()) temp.push_back(num); else *it = num; } return temp.size(); } ``` 此代码片段通过维护一个临时数组 `temp` 来追踪当前找到的递增子序列,当遍历到新元素时,如果该元素大于 `temp` 数组中所有元素,则将其追加到后面;否则替换掉第一个比它大的数。 #### 最长公共子序列 (LCS) 针对两个给定字符串之间的最长公共子序列计算,可以采用动态规划的方法来进行处理[^1]。以下是使用C++编写的函数用于返回两输入字符串 s1 和 s2LCS 长度: ```cpp #include <string> #include <vector> using namespace std; int longestCommonSubsequence(string text1, string text2) { int m = text1.length(), n = text2.length(); vector<vector<int>> dp(m + 1, vector<int>(n + 1)); for (int i = 1; i <= m; ++i) { for (int j = 1; j <= n; ++j) { if (text1[i - 1] == text2[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]; } ``` 上述程序创建了一个二维表 `dp[][]` ,其中每一项代表截至当前位置所能获得的最大匹配字符数量。最终结果保存于表格右下角位置即为所求得的最长公共子序列长度。
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