动态规划-最长公共子序列 (LCS)

动态规划-最长公共子序列 (LCS)

1. 题目描述：

   给定两个字符串（或数字序列）A和B，求一个字符串，使得这个字符串是A和B的最长公共部分（子序列可以不连续）。

   

   如样例所示，字符串"sadstory"与"adminsorry"的最长公共子序列为"adsory",长度为6

2. 动态规划的解法

   令dp[i][j]表示字符串A的i号位和字符串B的j号位之前的LCS长度(下标从1开始)，如dp[4][5]表示”sads“与"admin"的LCS长度。那么可以根据A[1]和B[j]的情况，分为两种决策：

   1. 若A[i] == B[j]，则字符串A与字符串B的LCS增加了1位，即有dp[i][j] = dp[i-1][j-1]+1。例如，样例中dp[4][6]表示"sads"与"admins"的LCS长度，比较A[4]与B[6]，发现两者都是’s’，因此dp[4][6]就等于dp[3][5]加1，即为3。
   2. 若A[i] != B[j]，则字符串A的i号位和字符串B的j号位之前的LCS无法延长，因此dp[i][j]将会继承dp[i-1][j]与dp[i][j-1]中的较大值，即有dp[i][j] = max{dp[i-1][j],dp[i][j-1]}。例如，样例中dp[3][3]表示"sad"与"adm"的LCS长度，我们比较A[3]与B[3]，发现’d’不等于’m’，这样dp[3][3]无法再原先的基础上延长，因此继承自"sa"与"adm"的LCS，"sad"与"ad"的LCS中的较大值，即"sad"与"ad"的LCS长度-2。

3. 状态转移方程。
   
   边界：dp[i][0] = dp[0][j] = 0 (0 <= i <= n,0 <= j <= m)

   这样状态dp[i][j]只与之前的状态有关，由边界出发就可以得到整个dp数组，最终dp[n][m]就是需要的答案，时间复杂度为O(nm)。

4. 代码如下：

   #include <cstdio>
   #include <cstring>
   #include <algorithm>
   
   using namespace std;
   const int N = 100;
   char A[N],B[N];
   int dp[N][N];
   
   int main(){
       int n;
       gets(A+1);	// 从下标为1开始读入
       gets(B+1);
       int lenA = strlen(A+1);	// 由于读入时下标从1开始，因此读取长度也从1开始
       int lenB = strlen(B+1);
       // 边界
       for(int i = 0 ; i <= lenA ; i++){
           dp[i][0] = 0;
       }
       for(int j = 0 ; j <= lenB ; j++){
           dp[0][j] = 0;
       }
       // 状态转移方程
       for(int i = 1 ; i <= lenA ; i++){
           for(int j = 1 ; j <= lenB ; j++){
               if(A[i] == B[j]){
                   dp[i][j] = dp[i-1][j-1] + 1;
               }else{
                   dp[i][j] = max(dp[i-1][j],dp[i][j-1]);
               }
           }
       }
       // dp[lenA][lenB]是答案
       printf("%d\n",dp[lenA][lenB]);
       
       return 0;
   }
   

5. 运行结果