7-43 实验7_8_最长平台 (100 分)

给定一个长度为n的整数数组,数组中连续的相等元素构成的子序列称为平台。试设计算法,求出数组中最长平台的长度。

输入格式:

共2行,第一行为一个整数n(0<n<=1000),代表输入整数个数,第二行为n个用空格分隔的整数。测试用例保证所有整数可以用int存储。

输出格式:

只有一行,为一个整数,代表输入数组的最长平台长度。

输入样例:

15
1 1 2 2 4 5 7 7 7 7 7 7 3 3 9

输出样例:

6
#include <stdio.h>
int main()
{
    int n,i,j,con,max=1;
    scanf("%d",&n);
    int a[n];
    for(i=0;i<n;i++){
        scanf("%d",&a[i]);
    }
    for(i=0;i<n-1;i++){
        con=1;
        for(j=i;j<n-1;j++){
            if(a[j]==a[j+1]) con++;
        if(a[j]!=a[j+1]) break;}
        if(con>max) max=con;
    }
    printf("%d",max);
    
    return 0;
}
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 7-1 最长公共子序列是一道经典的动态规划问题,其解法可以用来解决字符串匹配、图像识别等问题。其基本思路是将两个字符串别作为两个序列,然后通过动态规划的方式求解它们的最长公共子序列。具体来说,我们可以定义一个二维数组dp,其中dp[i][j]表示第一个序列前i个字符和第二个序列前j个字符的最长公共子序列长度。然后,我们可以通过以下递推式来求解dp数组: dp[i][j] = (i=或j=) dp[i][j] = dp[i-1][j-1] + 1 (s1[i-1]=s2[j-1]) dp[i][j] = max(dp[i-1][j], dp[i][j-1]) (s1[i-1]!=s2[j-1]) 最终,dp[m][n]就是两个序列的最长公共子序列长度,其中m和n别为两个序列的长度。同时,我们还可以通过回溯的方式来求解最长公共子序列本身。具体来说,我们可以从dp[m][n]开始,根据dp数组的值不断向左上方移动,直到dp[i][j]=为止,这样就可以得到最长公共子序列。 ### 回答2: 最长公共子序列问题,即求两个序列的最长公共子序列的长度。其应用广泛,如DNA序列比对、拼写检查、版本控制等领域。 方法一:暴力求解 可以遍历两个序列的所有子序列,找到它们的最长公共子序列。时间复杂度为O(2^n),n为两个序列的长度之和,因此不适用于较长的序列。 方法二:动态规划 定义L[i][j]为第一个序列的前i个字符和第二个序列的前j个字符的最长公共子序列长度。则对于第i个字符和第j个字符: 1. 当s1[i] == s2[j]时,它们可以加入到最长公共子序列中,L[i][j] = L[i-1][j-1]+1。 2. 当s1[i] != s2[j]时,它们不在最长公共子序列中,需要舍弃一个字符,可选择舍弃s1[i],此时L[i][j] = L[i-1][j];或舍弃s2[j],此时L[i][j] = L[i][j-1]。取两种情况的较大值即可。 最终结果为L[n1][n2],其中n1和n2别为两个序列的长度。时间复杂度为O(n1*n2),有很好的时间效率。 以下为Python代码实现: def lcs(s1, s2): n1, n2 = len(s1), len(s2) L = [[0 for j in range(n2+1)] for i in range(n1+1)] for i in range(1, n1+1): for j in range(1, n2+1): if s1[i-1] == s2[j-1]: L[i][j] = L[i-1][j-1] + 1 else: L[i][j] = max(L[i-1][j], L[i][j-1]) return L[n1][n2] ### 回答3: 最长公共子序列问题是一个经典的动态规划问题,解决此问题的算法被广泛运用于字符串比较、版本控制、基因析等领域。 最长公共子序列问题的目标是寻找两个字符串中最长的公共子序列。一个字符串的子序列是指从该字符串中任意删除一些字符形成的新字符串,而公共子序列是指同时在两个字符串中出现的子序列。 动态规划解决方案可以通过构建一个二维数组来实现。数组中的每个元素 [i][j] 则代表着字符串 A中前i个字符与字符串 B中前j个字符的最长公共子序列长度。将该数组按顺序填充即可,最终所求的最长公共子序列就可以从数组中回溯得出。 使用动态规划的时间复杂度为 O(mn) (其中 m 和 n 别为两个字符串的长度)。由于解决了搜索和比较所有可能的序列的复杂度,这种算法的运行速度比暴力算法快得多。 值得一提的是,最长公共子序列问题还有一种优化算法。这种算法主要是用于字符串匹配的 Boyer-Moore算法。此算法的时间复杂度为 O(nm),在某些情况下,该算法优于动态规划算法,但在大多数情况下,动态规划算法仍然是最优解。

“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