从开始学习算法以来,我的动态规划一直都水得鸭匹。这学期开了门算法分析与设计的课程,要考动态规划,于是复习了一下动态规划算法。
动态规划算法经典例题不少,最长公共子序列,最大子序列和,0-1背包等等等等,我也考虑一一写道博客上,这次先来讲一讲鄙人刚写完最长公共子序列,新鲜滚热辣
在这个问题里,最优子结构是每一个line1的子字符串与line2的最长公共子序列,当每一个line1的子字符串都找到与line2的最长公共子序列,那么遍历到最后,line1与line2的最长公共子序列也就找到了。而下一个匹配到相同字符,此时的最长公共子序列长度应该是上一个找到的长度加一。
拥有最优子结构和重叠子问题,明显可以用动态规划来解决问题。
————————————————————————————————————
首先,输入两个字符串,这里只是演示所以代码里只用了100的char数组,实际上用string类型会更好,输入也方便。
忘了说数据类型。。
定义一个dp数组来记录最大公共子序列的长度,一个tag数组存已经匹配成功的字符,isGet数组记录匹配成功的字符的下标,往后就不在匹配了。不然可能会无穷无尽。len1、len2是两个字符串的长度。
那么输入完成后就开始遍历了。dp开一个二维数组,行-对应line1,列-对应line2,以line1的每个字符为基准开始逐一与line2进行匹配。匹配到了就把当前记录的最大长度加1。
dp[i][j]就是在line1[i]为终点的子字符串与line2的最长公共子序列长度
假如遍历不到相同的字符,那么当前的最长公共子序列就是line1[i - 1]和line2[j - 1]的最长公共子序列,这里需要一个选择,选择最长的。
不难写出 状态转移方程
if(匹配到相同的字符)
dp[i][j] = dp[i - 1][j - 1] + 1;
else if(dp[i - 1][j] >= dp[i][j - 1])
{
dp[i][j] = dp[i - 1][j];
}
else
{
dp[i][j] = dp[i][j - 1];
}
设 line1 ABDGC line2 BDGCC
这就找出了两个字符串的最长公共子序列
上完整代码
#include<iostream>
using namespace std;
int main()
{
char line1[100];
char line2[100];
int dp[100][100];
char tag[100];
int isGet[100];
int len1, len2;
while(cin >> len1 >> len2)
{
for(int i = 1; i <= len1; i++)
{
cin >> line1[i];
dp[i][0] = 0;
}
for(int i = 1; i <= len2; i++)
{
cin >> line2[i];
dp[0][i] = 0;
isGet[i] = 1;
}
int k = 0;
for(int i = 1; i <= len1; i++)
{
for(int j = 1; j <= len2; j++)
{
if(line1[i] == line2[j] && isGet[j] == 1) //要判断是否被匹配到
{
dp[i][j] = dp[i - 1][j - 1] + 1;
tag[k++] = line1[i];
isGet[j] = 0;
}
else if(dp[i - 1][j] >= dp[i][j - 1])
{
dp[i][j] = dp[i - 1][j];
}
else
{
dp[i][j] = dp[i][j - 1];
}
}
}
cout << dp[len1][len2] << " ";
for(int i = 0; i < k; i++)
{
cout << tag[i];
}
cout << endl;
}
return 0;
}