动态规划-Java求解Longest Common Substring

概要：

字符串动态规划问题——求解公共最长子串

一、问题描述

Longest Common Substring

求解公共最长子串 ▶给定两个字符串a,b   c是a,b的最长公共子串 ▶求解c的序列

此题用动态规划算法求解

二、问题分析

• 动态规划重点：定义状态转移方程

               初始条件

               边界条件

               逆推过程

• 确定动态规划数组dp维度：本题使用二维dp[ ][ ]
• 注意：公共子串必须是连续的，公共子序列可以不连续，分清两者

三、问题求解

• 动态规划：定义状态转移方程

               初始条件         dp[0][0]=0

               边界条件         dp[ i ][0]=0

                                       dp[0][ j ]=0

               逆推过程          dp[ i ][ j ]=dp[i-1][j-1]+1

                                        dp[ i ][ j ]=0

• 定义函数：

               求解二维动态规划数组dp[][]

               求解dp[][]最大值Max，即公共子串最大长度 

               由dp构造subs，求解最长公共子序列

• 代码如下：     

求解dp数组

//求解dp数组
void LCSlength(String a,String b) {
	dp=new int [m+1][n+1];
	dp[0][0]=0;
	for(int i=0;i<=m;i++)
		dp[i][0]=0;
	for(int j=0;j<=n;j++)
		dp[0][j]=0;
	for(int c=1;c<=m;c++) {
		for(int d=1;d<=n;d++) {
			if(a.charAt(c-1)==b.charAt(d-1))
				dp[c][d]=dp[c-1][d-1]+1;
			else 
				dp[c][d]=0;
		}
	}
}

求解最长公共子序列

String getasubs(String a,String b,int Max) {
		String subs="";
		for(int i=0;i<=m;i++) {
			for(int j=0;j<=n;j++) {
				if(Max==dp[i][j]) {
					for(int s=i-Max+1;s<=i;s++) {
						subs=subs+a.charAt(s-1); 
					}
				}		
			}	
	   }
		return subs;
    }