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;
}