LPS

最新推荐文章于 2022-02-17 20:05:40 发布

尽拣寒枝不肯栖

最新推荐文章于 2022-02-17 20:05:40 发布

阅读量654

点赞数

分类专栏：算法

算法专栏收录该内容

28 篇文章 1 订阅

订阅专栏

给一个字符串，找出它的最长的回文子序列的长度。例如，如果给定的序列是“BBABCBCAB”，则输出应该是7，“BABCBAB”是在它的最长回文子序列。 “BBBBB”和“BBCBB”也都是该字符串的回文子序列，但不是最长的。注意和最长回文子串的区别(参考：最长回文串)！这里说的子序列，类似最长公共子序列LCS( Longest Common Subsequence)问题，可以是不连续的。这就是LPS(Longest Palindromic Subsequence)问题。

最直接的解决方法是：生成给定字符串的所有子序列，并找出最长的回文序列，这个方法的复杂度是指数级的。下面来分析怎么用动态规划解决。

1）最优子结构

假设 X[0 ... n-1] 是给定的序列，长度为n. 让 L(0,n-1) 表示序列 X[0 ... n-1] 的最长回文子序列的长度。

1. 如果X的最后一个元素和第一个元素是相同的，这时：L(0, n-1) = L(1, n-2) + 2 , 还以 “BBABCBCAB” 为例，第一个和最后一个相同，因此 L(1,n-2) 就表示蓝色的部分。

2. 如果不相同：L(0, n-1) = MAX ( L(1, n-1) , L(0, n-2) )。以”BABCBCA” 为例，L(1,n-1)即为去掉第一个元素的子序列，L(0, n-2)为去掉最后一个元素。

有了上面的公式，可以很容易的写出下面的递归程序：

 
#include<stdio.h>
 
#include<string.h>
 
int lps(char *seq, int i, int j)
 
{
 
   //一个元素即为1
 
   if (i == j)
 
     return 1;
 
   if(i > j) return 0; //因为只计算序列 seq[i ... j]
 
 
 
   // 如果首尾相同
 
   if (seq[i] == seq[j])
 
      return lps (seq, i+1, j-1) + 2;
 
 
 
   // 首尾不同
 
   return max( lps(seq, i, j-1), lps(seq, i+1, j) );
 
}
 
 
 
/* 测试 */
 
int main()
 
{
 
    char seq[] = "acmerandacm";
 
    int n = strlen(seq);
 
    printf ("The lnegth of the LPS is %d", lps(seq, 0, n-1));
 
    getchar();
 
    return 0;
 
}

Output: The lnegth of the LPS is 5 (即为: amama)

重叠子问题

画出上面程序的递归树(部分)，已一个长度为6 的字符串为例：

 
             L(0, 5)
 
           /        \
 
          /          \ 
 
      L(1,5)          L(0,4)
 
     /    \            /    \
 
    /      \          /      \
 
L(2,5)    L(1,4)  L(1,4)  L(0,3)

可见有许多重复的计算，例如L(1,4)。该问题符合动态规划的两个主要性质: 重叠子问题 和 最优子结构 。

下面通过动态规划的方法解决，通过自下而上的方式打表，存储子问题的最优解。

 
int lpsDp(char * str,int n){
 
    int dp[n][n], tmp;
 
    memset(dp,0,sizeof(dp));
 
    for(int i=0; i<n; i++) dp[i][i] = 1;
 
    // i 表示 当前长度为 i+1的 子序列
 
    for(int i=1; i<n; i++){
 
        tmp = 0;
 
        //考虑所有连续的长度为i+1的子串. 该串为 str[j, j+i]
 
        for(int j=0; j+i<n; j++){
 
            //如果首尾相同
 
            if(str[j] == str[j+i]){
 
                tmp = dp[j+1][j+i-1] + 2;
 
            }else{
 
                tmp = max(dp[j+1][j+i],dp[j][j+i-1]);
 
            }
 
            dp[j][j+i] = tmp;
 
        }
 
    }
 
    //返回串 str[0][n-1] 的结果
 
    return dp[0][n-1];
 
}