算法设计与分析 最长公共子序列（动态规划）Python实现

【问题描述】使用动态规划算法解最长公共子序列问题，具体来说就是，依据其递归式自底向上的方式依次计算得到每个子问题的最优值。

【输入形式】在屏幕上输入两个序列X和Y，序列各元素数间都以一个空格分隔。

【输出形式】序列Xi = {x1, …, xi}和序列Yj = {y1, …, yj}的最长公共子序列的长度。序列X和Y的其中一个最长公共子序列，也就是当序列X和Y有多个最长公共子序列时，只输出其中的一个。这个输出的最长公共子序列选取的方法是：当xi不等于yj时，而c[i-1,j]==c[i,j-1]，那么，c[i,j]是由c[i-1,j]得到的。其中c[i,j]中存放的是：序列Xi = {x1, …, xi}和序列Yj = {y1, …, yj}的最长公共子序列的长度。

当最长公共子序列为空时，输出最长公共子序列长度为0，最长公共子序列为：None。

【样例1输入】

A B C B D A B

B D C A B A

【样例1输出】

4

BCBA

【样例1说明】

输入：第一行输入序列X的各元素，第二行输入序列Y的各元素，元素间以空格分隔。

输出：序列X和Y的最长公共子序列的长度为4，其中一个最长公共子序列为：BCBA。

【样例2输入】

A B C D

E F G H

【样例2输出】

0

None

【样例2说明】

输入：第一行输入序列X的各元素，第二行输入序列Y的各元素，元素间以空格分隔。

输出：序列X和Y的最长公共子序列为空，最长公共子序列的长度为0，最长公共子序列为：None。

【评分标准】根据输入得到准确的输出。

【python代码】

#计算最优值
def LCSLength(m, n, x, y, a, b):
    for i in range(1, m + 1):
        for j in range(1, n + 1):
            if x[i - 1] == y[j - 1]:
                a[i][j] = a[i - 1][j - 1] + 1
                b[i][j] = 1
            elif a[i - 1][j] >= a[i][j - 1]:
                a[i][j] = a[i - 1][j]
                b[i][j] = 2
            else:
                a[i][j] = a[i][j - 1]
                b[i][j] = 3


#构造最长公共子序列
def LCS(i, j, x, b, s):
    if i == 0 or j == 0:
        return
    if b[i][j] == 1:
        LCS(i - 1, j - 1, x, b, s)
        global k
        s[k] = x[i-1]
        #print(x[i - 1],end = "")
        k += 1
    elif b[i][j] == 2:
        LCS(i - 1, j, x, b, s)
    else:
        LCS(i, j - 1, x, b, s)

k = 0
x = [i for i in input().split(" ")]
y = [i for i in input().split(" ")]

s = [0 for i in range(50)]
lenx = len(x)
leny = len(y)

a = [[0 for i in range(leny+1)] for i in range(lenx+1)]
b = [[0 for i in range(leny+1)] for i in range(lenx+1)]
LCSLength(lenx, leny, x, y, a, b)
LCS(lenx, leny, x, b, s)
if k == 0:
    print(k)
    print("None")
else:
    print(k)
    for i in range(k):
        print(s[i],end="")