算法题：最长公共子序列

最长公共子序列(LCS)是典型的动态规划问题，如果不理解动态规划请移步先看这篇动态规划的总结，否则本篇文章中的代码实现会不理解的哟！

LCS问题的一个变种就是求最长单调递增子序列，它的一种简易求解方法就是先将原序列A进行排序得到序列B，然后求解序列A和序列B的最长公共子序列。

 

1.问题描述

 

2.最优子结构和子问题重叠

 

3.5种实现方式

根据LCS的递推公式

(1)从中可以看出计算c[i][j]时只需要2行即可，前一行(i-1)和当前行(i)，每行的长度是min{m,n}，首先初始化前一行都为0，然后计算当前行的值，当要计算下一行之前将当前行的值复制到前一行中即可。

(2)从递推公式中还可以看出计算当前行i的话，其实只需要一行再加上O(1)的额外空间就行了。因为计算c[i][j]只需要前一行中c[i-1][k] (k>=j-1)的数据，对于k<j-1的数据都是没有用的，而当前行c[i]l的数据都是有用的，要用来计算下一行的值，所以，可以在计算当前行的时候，将当前行的前面计算好的部分复制到前一行中对应位置上，但是c[i][j-1]除外，因为c[i-1][j-1]也是需要的，所以需要额外的O(1)的空间保存c[i][j-1]。

LCS的五种实现：分别为0：直接递归；1：带备忘录的递归；2：使用二维数组保存结果的迭代；3：使用2个一维数组保存结果的迭代；4：使用1个一维数组和额外的O(1)空间保存结果的迭代。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86

def lcs0(i,j):      #string starts at index 0, not 1      if i<0 or j<0: return 0 #attention to this !!!      if x[i]==y[j]:  return lcs0(i-1,j-1)+1      return max(lcs0(i-1,j),lcs0(i,j-1))   x,y= 'abcde' , 'oaob' lenx,leny=len(x),len(y) print(lcs0(lenx-1,leny-1)) #2   from functools import wraps   def memo(func):      cache={}      @wraps(func)      def wrap(*args):          if args not in cache:              cache[args]=func(*args)          return cache[args]      return wrap   @memo def lcs1(i,j):      #string starts at index 0, not 1      if i<0 or j<0: return 0 #attention to this !!!      if x[i]==y[j]:  return lcs1(i-1,j-1)+1      return max(lcs1(i-1,j),lcs1(i,j-1))   x,y= 'abcde' , 'oaob' lenx,leny=len(x),len(y) print(lcs1(lenx-1,leny-1)) #2   def lcs2(x,y):      lenx,leny=len(x),len(y)      minlen,maxlen=0,0      if lenx<leny: minlen,maxlen=lenx,leny; x,y=y,x      else : minlen,maxlen=leny,lenx;      #s is maxlen * minlen      s=[[0 for j in range(minlen)] for i in range(maxlen)]      for i in range(maxlen): #so, let x be the longer string!!!          for j in range(minlen):              if x[i]==y[j]: s[i][j]=s[i-1][j-1]+1              else : s[i][j]=max(s[i-1][j],s[i][j-1])      return s   x,y= 'abcde' , 'oaob' s=lcs2(x,y) print(s) #[[0, 1, 1, 1], [0, 1, 1, 2], [0, 1, 1, 2], [0, 1, 1, 2], [0, 1, 1, 2]]   def lcs3(x,y):      lenx,leny=len(x),len(y)      minlen,maxlen=0,0      if lenx<leny: minlen,maxlen=lenx,leny; x,y=y,x      else : minlen,maxlen=leny,lenx;      #s is maxlen * minlen      pre=[0 for j in range(minlen)]      cur=[0 for j in range(minlen)]      for i in range(maxlen): #so, let x be the longer string!!!          for j in range(minlen):              if x[i]==y[j]: cur[j]=pre[j-1]+1              else : cur[j]=max(pre[j],cur[j-1])          pre[:]=cur[:]      return cur   x,y= 'abcde' , 'oaob' s=lcs3(x,y) print(s) #[2, 2, 2, 2]   def lcs4(x,y):      lenx,leny=len(x),len(y)      minlen,maxlen=0,0      if lenx<leny: minlen,maxlen=lenx,leny; x,y=y,x      else : minlen,maxlen=leny,lenx;      #s is maxlen * minlen      s=[0 for j in range(minlen)]      t=0      for i in range(maxlen): #so, let x be the longer string!!!          for j in range(minlen):              if x[i]==y[j]: s[j]=t+1              else : s[j]=max(s[j],s[j-1])              t=s[j]      return s   x,y= 'abcde' , 'oaobce' s=lcs4(x,y) print(s) #[3, 3, 3, 3, 4]