最长递增子列、最长公共子序列 python实现

 

DP算法:

最长公共子序列：

把问题分成两种情况来讨论：

1. 如果S1[i] == S2[j]。就是i,j对应位置上的字符相等。那么可以得出M[i,j] = M[i-1,j-1]+1;为什么呢？可以想象的。如果M[i-1,j-1]也是一个最后方案，在这个最优方案上我们同时增加一个字符。而这两个字符又相 等。那么我们只需要在这个M[i-1,j-1]的最优方案上++就可以了。

2. 如果S1[i] != S2[j]。那么就拿M[i-1,j]和M[i,j-1]来比较。M[i,j]的值就是M[i-1,j]和M[i,j-1]中大的值。这好比原来的字符串 是S1[1...i-1]是ABC，S2[1...j-1]是ABE。那S1[1..i]是ABCE，S2[1..j]是ABEC。可以看出来这个时候 M[i,j]不是由M[i-1,j-1]决定的，而是由ABCE和ABE或者ABC和ABEC来决定的，也就是M[i-1,j]和M[i,j-1]。

所以我们可以把这个问题的递归式写成：

 

最长递增子列可以转化为LCS求解   DP+排序

 

python实现代码：

 

#coding=utf_8_decode #最长公共子序列 def LCS(str1,str2): #字符串为空则返回 if str1=='' or str2=='': return '' #字符串长度 m=len(str1) n=len(str2) #初始化lcs lcs=[[0] for i in range(0,m+1)] lcs[0]=[0 for j in range(0,n+1)] # for i in range(m): for j in range(n): lcs[i+1].append( lcs[i][j]+1 if str1[i]==str2[j] else max( lcs[i][j+1], lcs[i+1][j], ) ) #for i in range(m+1): #print lcs[i] i=m-1 j=n-1 common_substr = u'' #回溯得到LCS while True: if i == -1 or j == -1: break if str1[i] == str2[j]: common_substr = u"%s%s" % (str1[i], common_substr) i = i - 1 j = j -1 else: if lcs[i][j+1] > lcs[i+1][j]: i = i-1 else: j = j-1 print common_substr #最长递增子列 def LIS(list1): list2=sorted(list1)#排序 #print list1,list2 return LCS(list1,list2) LCS("GCGCAATG","GCCCTAGCG") LIS([2, 1, 6, 3, 5, 4, 8, 7, 9])