以下是一个用Python实现的动态规划算法来解决最长公共子序列问题(Longest Common Subsequence)的示例代码:
def longestCommonSubsequence(text1, text2):
m = len(text1)
n = len(text2)
# 创建二维数组dp,并初始化为0
dp = [[0] * (n + 1) for _ in range(m + 1)]
for i in range(1, m + 1):
for j in range(1, n + 1):
if text1[i - 1] == text2[j - 1]:
# 如果两个字符相等,则最长子序列长度加一
dp[i][j] = dp[i - 1][j - 1] + 1
else:
# 否则取前一个状态的最大值
dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])
return dp[m][n]
text1 = "abcde"
text2 = "ace"
result = longestCommonSubsequence(text1, text2)
print("The length of the longest common subsequence is:", result)
以上的代码使用了二维列表dp
来记录最长公共子序列的长度。通过遍历字符串text1
和text2
,根据当前字符是否相等,更新dp
数组的值。最后返回dp[m][n]
作为最长公共子序列的长度。
请注意,上述代码仅解决了最长公共子序列问题的长度,如果你需要获取具体的最长公共子序列本身(而不仅仅是长度),还需要进行某些额外的操作。希望这个示例能够帮助到你!