问题:最长回文子序列
题目描述
回文指形如:“ABBA”,“CDC”等正反一样的序列,给出任意序列,计算最长回文子序列长度。(如“GOODGAME”的答案为4)
分析
定义状态
根据求解最长递增子序列的经验,我们还需要将状态定义与长度相关,但是只引入一个参数无法很好的表示回文子序列的长度,所以需要将状态空间升维,即定义一个二维状态
,用来表示第i位字符与第j位字符中间的所有子序列中最长回文子序列的长度。
状态转移
对于任意两个位置i,j之间的最长回文子序列的长度,其实可以由三种情况变化而来:
(1)位置i+1,j之间的最长回文子序列的长度
(2)位置i,j-1之间的最长回文子序列的长度
(3)位置i+1,j-1之间的最长回文子序列的长度加2(若第i位字符与第j位字符相同)
在这三种情况当中,选取最大的一个即可作为位置i,j之间的最长回文子序列的长度
边界条件
易知开始条件为任何位置的字符都是一个长度为1的回文子序列,即,所求值为。
求解方法
递归
int LPS(vector<char>& s, int i, int j) {
if (i == j) {
return 1;
}
if (i > j) {
return 0;
}
if (s[i] == s[j]) {
return LPS(s, i + 1, j - 1) + 2;
}
return max(LPS(s, i + 1, j), LPS(s, i, j - 1));
}
普通的递归求解办法,但是由于递归深度的限制此思路仅仅要求了解即可。
动态规划(打表法)
int LPS(vector<char>& s, int n) {
vector<vector<int>> res(n, vector<int>(n, 0));
for (int i = 0; i < n; i++) {
res[i][i] = 1;
}
for (int i = 1; i < n; i++) {
int maxLength = 0;
for (int j = i - 1; j >= 0; j--) {
if (s[j] == s[i]) {
maxLength = res[j + 1][i - 1] + 2;
}
else {
maxLength = max(res[j + 1][i], res[j][i - 1]);
}
res[j][i] = maxLength;
}
}
return res[0][n - 1];
}
使用记忆化搜索的动态规划方法可以减少递归查找的迭代深度,避免了超时错误的出现。
时间复杂度
根据搜索过程可以判断出该算法的时间复杂度为。
相关问题:最长递增子序列【动态规划】最长递增子序列