python动态规划经典题目_动态规划经典例题——最长公共子序列和最长公共子串（python）...

1. 最长公共子序列(LCS)

1.1 问题描述

1.2 思路

利用动态规划。  下一步就要找到状态之间的转换方程。  因此可以根据这个方程来进行填表，以"helloworld"和“loop”为例：

1.3 Python代码

def LCS(string1,string2):

len1 = len(string1)

len2 = len(string2)

res = [[0 for i in range(len1+1)] for j in range(len2+1)]

for i in range(1,len2+1):

for j in range(1,len1+1):

if string2[i-1] == string1[j-1]:

res[i][j] = res[i-1][j-1]+1

else:

res[i][j] = max(res[i-1][j],res[i][j-1])

return res,res[-1][-1]

print(LCS("helloworld","loop"))

# 输出结果为：

[[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],

[0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1],

[0, 0, 0, 1, 1, 2, 2, 2, 2, 2, 2],

[0, 0, 0, 1, 1, 2, 2, 3, 3, 3, 3],

[0, 0, 0, 1, 1, 2, 2, 3, 3, 3, 3]], 3

所以"helloworld"和"loop"的最长公共子序列的长度为3。

1.4 找到具体的子序列

下面的内容借鉴了博主Running07的博客动态规划 最长公共子序列 过程图解

如果有两个字符串如下： S1 = “123456778” S2 = “357486782” 其最终的动态规划填表结果为：  其中S1和S2的LCS并不是只有1个。 我们根据递归公式：  构建了上表， 通过递推公式，可以看出，res[i][j]的值来源于res[i-1][j]或者是res[i-1][j]和res[i][j-1]的较大值(可能相等)。 我们将从最后一个元素c[8][9]倒推出S1和S2的LCS。 res[8][9] = 5，且S1[8] != S2[9]，所以倒推回去，res[8][9]的值来源于c[8][8]的值(因为res[8][8] > res[7][9])。 res[8][8] = 5, 且S1[8] = S2[8], 所以倒推回去，res[8][8]的值来源于 res[7][7]。 以此类推，如果遇到S1[i] != S2[j] ，且res[i-1][j] = res[i][j-1] 这种存在分支的情况，这里都选择一个方向(之后遇到这样的情况，也选择相同的方向，要么都往左，要么都往上)。  可得S1和S2的LCS为{3、5、7、7、8} 这是遇见相等的时候，统一往左走 S1和S2之间还有一个LCS 这是遇见相等的时候，统一往上走：  可得S1和S2的LCS为{3、4、6、7、8}

2. 最长公共子串

2.1 问题描述

2.2 思路

和最长公共子序列一样，使用动态规划的算法。 下一步就要找到状态之间的转换方程。 和LCS问题唯一不同的地方在于当A[i] != B[j]时，res[i][j]就直接等于0了，因为子串必须连续，且res[i][j] 表示的是以A[i]，B[j]截尾的公共子串的长度。因此可以根据这个方程来进行填表，以"helloworld"和“loop”为例：  这个和LCS问题还有一点不同的就是，需要设置一个res，每一步都更新得到最长公共子串的长度。

2.3 Python代码

def LCstring(string1,string2):

len1 = len(string1)

len2 = len(string2)

res = [[0 for i in range(len1+1)] for j in range(len2+1)]

result = 0

for i in range(1,len2+1):

for j in range(1,len1+1):

if string2[i-1] == string1[j-1]:

res[i][j] = res[i-1][j-1]+1

result = max(result,res[i][j])

return result

print(LCstring("helloworld","loop"))

# 输出结果为：2