【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="")