最长公共子序列问题(动态规划求解)

问题

      求长为m的序列和长为n的序列的最长公共子序列(可以不连续),如ABCBDAB和BDCABA,BCAB和BCBA都是它们的最长公共子序列。在生物学上用来求DNA序列的匹配度。这里我们用它举例来学习动态规划方法。

先放结论:

      动态规划是暴力递归的一种优化。要写出动态规划,首先要试着找出最优子结构与重叠子问题,然后写出递归式

1.最优子结构就是一个问题的最优解包含其子问题的最优解。换句话说,我们用子问题的最优解来构造原问题的最优解。具有这个性质的问题也适用于贪心策略。我们在优化递归的时候后面的问题可以用到前面的结论。

2.重叠子问题,递归算法会重复求解相同的子问题,所以才有了我们的填表优化。查表的时间是常数级别的。

我们优化的时候可以在每一次递归时保存上一次的值,最好的是用二维表格自顶向下的记录值。下面我们看这个问题。

最长公共子序列问题

      我们首先写出它的递归式

  • 4
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
最长公共子序列(Longest Common Subsequence, 简称LCS)问题是一个经典的动态规划问题。LCS问题的目标是找到两个序列中最长的公共子序列的长度。 首先,我们需要理解LCS的定义。根据引用,两个序列的LCS包含了这两个序列的前缀的最长公共子序列。换句话说,我们可以通过比较两个序列的最后一个元素是否相等来确定LCS。如果最后一个元素相等,则LCS的长度会增加1;如果最后一个元素不相等,则我们需要考虑将某个序列的最后一个元素舍弃,然后求解剩余序列的LCS。因此,LCS问题具有最优子结构性质。 根据引用,需要注意最长公共子串(Longest Common Substring)和最长公共子序列(LCS)的区别。最长公共子串是一个连续的部分,而最长公共子序列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新的序列。简单来说,子串中字符的位置必须是连续的,而子序列则可以不必连续。 接下来,我们可以通过动态规划方法解决LCS问题动态规划是一种将问题分解为子问题并存储子问题解的方法。我们可以使用一个二维数组来存储子问题解,其中数组元素dp[i][j]表示序列1的前i个元素和序列2的前j个元素的LCS的长度。 具体的动态规划算法如下: 1. 初始化一个二维数组dp,其中dp[i][j]的初始值为0。 2. 从左到右遍历序列1的每个元素,同时从上到下遍历序列2的每个元素。 3. 如果序列1的第i个元素与序列2的第j个元素相等,则dp[i][j]的值等于dp[i-1][j-1]加1。 4. 如果序列1的第i个元素与序列2的第j个元素不相等,则dp[i][j]的值等于dp[i-1][j]和dp[i][j-1]中的较大值。 5. 最终,dp[m][n]即为序列1和序列2的LCS的长度,其中m和n分别为序列1和序列2的长度。 通过上述动态规划算法,我们可以求解最长公共子序列的长度。如果需要求解具体的最长公共子序列,我们可以根据dp数组的构建过程进行回溯。 综上所述,使用动态规划方法可以解决最长公共子序列问题动态规划算法的核心思想是将问题分解为子问题并存储子问题解,通过填充dp数组可以求解最长公共子序列的长度。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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