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)。
#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