经典算法-递归-最长公共子序列

设x(i), y(i), z(i)表示单个字符,则X={x(1)x(2)……x(m)},Y={y(1)y(2)……y(n)},Z={z(1)z(2)……z(k)},我们称其为字符序列,其中m,n和k分别是字符序列X,Y,Z的长度,括号()中的数字被称作字符序列的下标。

如果存在一个严格递增而且长度大于0的下标序列{i1,i2……ik},使得对所有的j=1,2,……k,有x(ij)=z(j),那么我们称Z是X的字符子序列。而且,如果Z既是X的字符子序列又是Y的字符子序列,那么我们称Z为X和Y的公共字符序列。

在我们今天的问题中,我们希望计算两个给定字符序列X和Y的最大长度的公共字符序列,这里我们只要求输出这个最大长度公共子序列对应的长度值。

举例来说,字符序列X=abcd,Y=acde,那么它们的最大长度为3,相应的公共字符序列为acd。

输入格式

输入一行,用空格隔开的两个字符串

输出格式

输出这两个字符序列对应的最大长度公共字符序列的长度值

测试数据:a

import java.util.*;
public class Main {
 static Scanner sc = new Scanner(System.in);
 static char[] z1 = sc.next().toCharArray();
 static char[] z2 = sc.next().toCharArray();
 public static void main(String[] args) {
 	system.out.println(di(0,0));//递归
 }
 private static int d(int i,int j){
  if(i>=z1.length||j>=z2.length)
   return 0;//越界返回
  else if(z1[i]==z2[j])
   return d(i+1,j+1)+1;//若字符相同坐标加一向下寻找
  else
   return Math.max(d(i+1,j),d(i,j+1));//向下递归遍历每个字符寻找相同字符
 }
}

非原创,参考本论坛一位大佬的代码,原文链接丢失,我只想说,这世间不乏天才的存在呀。

动态规划算法: 动态规划算法的思路是:先构建一个二维数组 dp,其中 dp[i][j] 表示 s1 的前 i 个字符和 s2 的前 j 个字符的最长公共子序列的长度。然后,依次填充 dp 数组的每个元素,最终得到 dp[m][n] 就是 s1 和 s2 的最长公共子序列的长度。 具体的填充方法是,从左到右、从上到下遍历 dp 数组,根据递归表达式,依次计算出每个 dp[i][j] 的值。最终得到 dp[m][n] 就是所求。 Python代码如下: ``` def longest_common_subsequence(s1, s2): m, n = len(s1), len(s2) dp = [[0] * (n+1) for _ in range(m+1)] for i in range(1, m+1): for j in range(1, n+1): if s1[i-1] == s2[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] ``` 递归算法递归算法的思路是:根据递归表达式,依次递归求解 s1 的前 i 个字符和 s2 的前 j 个字符的最长公共子序列的长度。具体的递归过程如下: 1. 如果 s1 或 s2 为空字符串,则它们的最长公共子序列的长度为 0。 2. 如果 s1 和 s2 的最后一个字符相同,则它们的最长公共子序列的长度为它们各去掉最后一个字符后的子串的最长公共子序列的长度加上 1。 3. 如果 s1 和 s2 的最后一个字符不同,则它们的最长公共子序列的长度为它们分别去掉最后一个字符后的子串的最长公共子序列的长度的最大值。 递归函数的代码如下: ``` def longest_common_subsequence(s1, s2): m, n = len(s1), len(s2) if m == 0 or n == 0: return 0 if s1[m-1] == s2[n-1]: return longest_common_subsequence(s1[:m-1], s2[:n-1]) + 1 else: return max(longest_common_subsequence(s1[:m-1], s2), longest_common_subsequence(s1, s2[:n-1])) ``` 注意:递归算法的时间复杂度较高,不适合处理较长的字符串,而动态规划算法的时间复杂度为 O(mn),适用于处理长度较大的字符串。
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

打赏作者

PROBIE_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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