动态规划-最长公共子序列

using System;

namespace 最长公共子序列
{
    class Program
    {

        public static readonly string str1 = "abacadba";
        public static readonly string str2 = "abcdabcd";
        public static int[,] map = new int[str1.Length + 1, str2.Length + 1];

        static void Main(string[] args)
        {
            LCS();

            Console.WriteLine("行表示str1,列表示str2:");
            DisplayMap();

            Console.WriteLine();
            DisplayRes();

            Console.ReadKey();
        }

        /// <summary>
        /// LCS算法
        /// </summary>
        static void LCS()
        {
            //初始化矩阵内所有元素为0
            for (int i = 0; i < str1.Length + 1; i++)
            {
                for (int j = 0; j < str2.Length + 1; j++)
                {
                    map[i, j] = 0;
                }
            }


            for (int i = 1; i < str1.Length + 1; i++)
            {
                for (int j = 1; j < str2.Length + 1; j++)
                {
                    //若str1的第i个元素和str2的第j个元素相等 则map[i,j]等于 map中当前单元格左边或者上面较大的值+1
                    //若str1的第i个元素和str2的第j个元素不相等 则map[i,j]等于 map中当前单元格左边或者上面较大的值
                    if (str1[i - 1] == str2[j - 1])
                        map[i, j] = Math.Max(map[i - 1, j], map[i, j - 1]) + 1;
                    else
                        map[i, j] = Math.Max(map[i - 1, j], map[i, j - 1]);
                }
            }
        }
        /// <summary>
        /// 显示LCS算法运算后的MAP矩阵
        /// </summary>
        static void DisplayMap()
        {
            Console.Write("    ");
            for (int i = 0; i < str2.Length; i++)
            {
                Console.Write("  " + str2[i]);
            }
            Console.Write("\r\n");

            for (int i = 0; i < str1.Length + 1; i++)
            {
                if (i > 0 && i < str1.Length + 1)
                    Console.Write(str1[i - 1] + "  ");
                else
                    Console.Write("   ");
                for (int j = 0; j < str2.Length + 1; j++)
                {
                    Console.Write(map[i, j] + "  ");
                }
                Console.Write("\r\n");
            }
        }

        /// <summary>
        /// 显示LCS长度和结果
        /// </summary>
        static void DisplayRes()
        {
            Console.WriteLine("str1和str2的最长公共子序列长度是:" + map[str1.Length, str2.Length]);
            Console.Write("str1和str2的最长公共子序列是:");
            int flag = map[0, 0];
            for (int i = 1; i < str1.Length + 1; i++)
            {
                for (int j = 1; j < str2.Length + 1; j++)
                {
                    if (map[i, j] > Math.Max(map[i - 1, j], map[i, j - 1]) && map[i, j] > flag)
                    {
                        Console.Write(str1[i - 1]);
                        flag = map[i, j];
                        break;
                    }
                }
            }
        }
    }
}


  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
最长公共子序列问题(Longest Common Subsequence,简称LCS)是指在两个序列中找到一个最长的公共子序列,其中一个序列的所有元素按原序列中出现的顺序排列,而另一个序列中的元素则不要求按原序列中出现的顺序排列。 动态规划方法可以很好地解决LCS问题。设A和B是两个序列,LCS(A,B)表示A和B的最长公共子序列。则可以设计如下的状态转移方程: 当A和B的末尾元素相同时,LCS(A,B) = LCS(A-1,B-1) + 1。 当A和B的末尾元素不同时,LCS(A,B) = max(LCS(A-1,B), LCS(A,B-1))。 其中,LCS(A-1,B-1)表示A和B的末尾元素相同时的情况,LCS(A-1,B)表示A的最后一个元素不在最长公共子序列中,而B中的最后一个元素在最长公共子序列中的情况,LCS(A,B-1)表示B的最后一个元素不在最长公共子序列中,而A中的最后一个元素在最长公共子序列中的情况。 根据这个状态转移方程,可以使用动态规划算法来求解LCS问题。具体方法是,构建一个二维数组dp,其中dp[i][j]表示A前i个元素和B前j个元素的LCS。初始化dp[0][j]和dp[i][0]为0,然后按照上述状态转移方程进行递推,最终得到dp[lenA][lenB],其中lenA和lenB分别表示A和B的长度。dp[lenA][lenB]即为A和B的最长公共子序列的长度。要找到具体的最长公共子序列,可以从dp[lenA][lenB]开始,按照状态转移方程反向推导出每个元素,即可得到最长公共子序列。 LCS问题是动态规划算法的经典应用之一,时间复杂度为O(n*m),其中n和m分别为A和B的长度。
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