最长公共子序列

最长公共子序列

最长公共子序列是一个典型的二维线性动态规划问题，给定两个长度相同的序列，求这两个序列中的最长公共子序列。

例如：序列$1,3,5,4,9$和$5,7,4,9,3$的最长公共子序列为$5,4,9$。

动态规划

定义状态为$dp[i][j]$为子序列$a$到下标$i$为止，子序列$b$到下标$j$为止的最长公共子序列的长度。因此我们有如下的动态规划方程：

如果$a[i]=b[j]$：

$$dp[i][j]=dp[i-1][j-1]+1$$

即为，如果该位相等，那么本状态就等于$ab$的上一位加$1$。

如果$a[i]\ne b[j]$：

$$dp[i][j]=\max (dp[i-1][j],dp[i][j-1])$$

即为，如果该位不相等，那么就状态继承，两个同位状态决策出最优的状态。

#include <bits/stdc++.h>

#define FR freopen("in.txt","r",stdin);

using namespace std;

int a[100];
int b[100];

int dp[100][100];

int main()
{
    int n;
    cin >> n;
    for(int i = 0; i<n; i++)
        cin >> a[i];
    for(int i = 0; i<n; i++)
        cin >> b[i];

    for(int i =0; i<n; i++)
        for(int j =0; j<n; j++)
            if(a[i] == b[j])
                dp[i][j] = dp[i-1][j-1];
            else
                dp[i][j] = max(dp[i-1][j],dp[i][j-1]);
    cout << dp[n][n];
    return 0;
}

特例

P1439

观察这个题的数据范围，发现上述$O(n^2)$的算法必然TLE，那么我们只能转换思路。

例如序列：

$$\begin{gathered} 3,2,1,4,5 \\ 1,2,3,4,5 \end{gathered}$$

我们知道最长的公共子序列一定是$b$的子序列，同时也是$a$的子序列，那么问题就转换成在$b$中找到$a$的最长上升子序列即可。跟普通的最长上升子序列问题不同，排序的关键字是元素在$a$序列中的下标位置即转换成：

$$\begin{gathered} 3_0,2_1,1_2,4_3,5_4 \\ {1}_2,2_1,3_0,4_3,5_4 \end{gathered}$$

因此就是求$2,1,0,3,4$的最长上升子序列即可。

#include <bits/stdc++.h>

#define FR freopen("in.txt","r",stdin);

using namespace std;

int idx[100005];
int g[100005];
int b[100005];

int main()
{
    FR
    int n;
    cin >> n;
    for(int i = 0; i<n; i++)
    {
        int val;
        cin >> val;
        idx[val] = i;
    }

    for(int i = 0; i<n; i++)
        cin >> b[i];

    g[1] = idx[b[0]];
    int len = 1;

    for(int i = 1; i<n; i++)
    {
        if(idx[b[i]] > g[len])
        {
            g[++len] = idx[b[i]];
        }
        else
        {
            int loc = lower_bound(g+1,g+len,idx[b[i]]) - g;
            g[loc] = idx[b[i]];
        }
    }

    cout << len;
    return 0;
}