基本概念:
子序列:
给定序列:{a,b,c,d,e,f}
则{a,b,c},}{a,c,f},{d,f}都是子序列
最长公共子序列:
给定两个序列
A:{a,b,c,d,e,f}
B:{a,c,e,g}
则A和B都有子序列{a,c,e},而最长公共子序列就是指既是A的子序列又是B的子序列,而且要保证是最长。因此A和B的最长公共子序列为{a,c,e},长度为3。
一、问题描述
给定两个字符串,求出这两个字符串的最长公共子序列(LCS)
二、解题方法
暴力法:序列A有 2^n 个子序列,序列B有 2^m 个子序列,如果任意两个子序列一一比较,比较的子序列高达 2^(n+m) 对,(不推荐)。
动态规划:动态规划法(dynamic programming)通常用于求解最优化问题(optimization problem),它适用于那些子问题相互重叠的情况,即子问题不独立,不同的子问题具有公共的子子问题(就是子问题的子问题)。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。
用一张图解释这个公式:
例子:
两个char数组a=[r,a,n,d,o,m],b=[a,n,d,r,o,i,d],还有一个dp数组用二维数组表示:
第一步:初始化二维数组第一行和第一列
第一行:
00位置a和r比较—不相等—赋值0,
01位置a和a比较—相等—赋值1,接着01后面的02,03,04,05,06全部为赋值1,第一行初始化完毕,代表目前已找到1个符合的LCS。
for(int i = 0;i<m;i++){
//构建第一行
if(a[0] == b[i]){
//如果值相等
dp[0][i] = 1; //其位置为1
for(int j = i+1;j<m;j++){
//后面的值全部为1
dp[0][j] = 1;
}
break;
}
}
第一列同理:
00位置 a和r比较—不相等—赋值0,
10位置 n和r比较—不相等—赋值0,
20位置 d和r比较—不相等—赋值0,
30位置 r和r比较—相等—赋值1,接着40,50,60,70全部为赋值1&#