最长公共子序列-动态规划

http://acm.nyist.net/JudgeOnline/problem.php?pid=17

经常会遇到复杂问题不能简单地分解成几个子问题，而会分解出一系列的子问题。简单地采用把大问题分解成子问题，并综合子问题的解导出大问题的解的方法，问题求解耗时会按问题规模呈幂级数增加。

为了节约重复求相同子问题的时间，引入一个数组，不管它们是否对最终解有用，把所有子问题的解存于该数组中，这就是动态规划法所采用的基本方法。

【问题】 求两字符序列的最长公共字符子序列

求解：

引进一个二维数组c[][]，用c[i][j]记录X[i]与Y[j] 的LCS 的长度，b[i][j]记录c[i][j]是通过哪一个子问题的值求得的，以决定搜索的方向。
我们是自底向上进行递推计算，那么在计算c[i,j]之前，c[i-1][j-1]，c[i-1][j]与c[i][j-1]均已计算出来。此时我们根据X[i] = Y[j]还是X[i] != Y[j]，就可以计算出c[i][j]。

问题的递归式写成：

回溯输出最长公共子序列过程：

 

算法分析：
由于每次调用至少向上或向左（或向上向左同时）移动一步，故最多调用(m + n)次就会遇到i = 0或j = 0的情况，此时开始返回。返回时与递归调用时方向相反，步数相同，故算法时间复杂度为Θ(m + n)。

    利用求最长公共子序列求单调递增最长子序列代码：

 
#include<cstdio>
#include<cmath>
#include<iostream>
#include<string.h>
#include<string>
using namespace std;

char str[27];
int istr;
int l[10005][27];//长度length

void lcs_l(char a[10005],char b[27]){  //求出数组l
	int i,j,la,lb;
	la=strlen(a);lb=strlen(b);
	for(j=0;j<=lb;j++)          //数组l的边界
		l[0][j]=0;
	for(i=1;i<=la;i++)
		l[i][0]=0;
	for(i=1;i<=la;i++)
		for(j=1;j<=lb;j++)
		{
			if(a[i-1]==b[j-1])
				l[i][j]=l[i-1][j-1]+1;
			else
				l[i-1][j]>l[i][j-1]?l[i][j]=l[i-1][j]:l[i][j]=l[i][j-1];
		}
}
void lcs_str(char a[10005],char b[27],int i,int j){
	if(i==0||j==0)
		return;
	if(a[i-1]==b[j-1]){
		lcs_str(a,b,i-1,j-1);
		str[istr++]=a[i-1];
	}
	else if(l[i-1][j]>l[i][j-1]){
		lcs_str(a,b,i-1,j);
	}
	else
		lcs_str(a,b,i,j-1);
}


int main(void){         //利用最长公共子序列求最长单调递增子序列
	int ncase;
	char alphabet[27]="abcdefghijklmnopqrstuvwxyz";
	cin>>ncase;
	getchar();
	while(ncase--){
		char a[10005];
		int la ,lb,i;
		for(i=0;i<27;i++)
			str[i]='\0';
		gets(a);
		la=strlen(a);lb=26;
		istr=0;
		lcs_l(a,alphabet);
		lcs_str(a,alphabet,la,lb);
		cout<<strlen(str)<<endl;
	}
//	system("pause");
	return 0;
}        

参考：http://blog.csdn.net/yysdsyl/article/details/4226630