c语言最长公共子序列,算法设计与分析/动态规划——最长公共子序列LCS及模板...
这位大佬写的对理解DP也很有帮助,我就直接摘抄过来了,代码部分来自我做过的题
一,问题描述
给定两个字符串,求解这两个字符串的最长公共子序列(Longest Common Sequence)。比如字符串1:BDCABA;字符串2:ABCBDAB
则这两个字符串的最长公共子序列长度为4,最长公共子序列是:BCBA
二,算法求解
这是一个动态规划的题目。对于可用动态规划求解的问题,一般有两个特征:①最优子结构;②重叠子问题
①最优子结构
设 X=(x1,x2,.....xn) 和 Y={y1,y2,.....ym} 是两个序列,将 X 和 Y 的最长公共子序列记为LCS(X,Y)
找出LCS(X,Y)就是一个最优化问题。因为,我们需要找到X 和 Y中最长的那个公共子序列。而要找X 和 Y的LCS,首先考虑X的最后一个元素和Y的最后一个元素。
1)如果 xn=ym,即X的最后一个元素与Y的最后一个元素相同,这说明该元素一定位于公共子序列中。因此,现在只需要找:LCS(Xn-1,Ym-1)
LCS(Xn-1,Ym-1)就是原问题的一个子问题。为什么叫子问题?因为它的规模比原问题小。(小一个元素也是小嘛....)
为什么是最优的子问题?因为我们要找的是Xn-1和 Ym-1 的最长公共子序列啊。。。最长的!!!换句话说,就是最优的那个。(这里的最优就是最长的意思)
2)如果xn != ym,这下要麻烦一点,因为它产生了两个子问题:LCS(Xn-1,Ym) 和 LCS(Xn,Ym-1)
因为序列X 和 序列Y 的最后一个元素不相等嘛,那说明最后一个元素不可能是最长公共子序列中的元素嘛。(都不相等了,怎么公共嘛)。
LCS(Xn-1,Ym)表示:最长公共序列可以在(x1,x2,....x(n-1)) 和 (y1,y2,...yn)中找。
LCS(Xn,Ym-1)表示:最长公共序列可以在(x1,x2,....xn) 和 (y1,y2,...y(n-1))中找。
求解上面两个子问题,得到的公共子序列谁最长,那谁就是 LCS(X,Y)。用数学表示就是:
LCS=max{LCS(Xn-1,Ym),LCS(Xn,Ym-1)}
由于条件 1) 和 2) 考虑到了所有可能的情况。因此,我们成功地把原问题 转化 成了 三个规模更小的子问题。
②重叠子问题
重叠子问题是啥?就是说原问题 转化 成子问题后, 子问题中有相同的问题。咦?我怎么没有发现上面的三个子问题中有相同的啊????
OK,来看看,原问题是:LCS(X,Y)。子问题有 ❶LCS(Xn-1,Ym-1) ❷LCS(Xn-1,Ym) ❸LCS(Xn,Ym-1)
初一看,这三个子问题是不重叠的。可本质上它们是重叠的,因为它们只重叠了一大部分。举例:
第二个子问题:LCS(Xn-1,Ym) 就包含了:问题❶LCS(Xn-1,Ym-1),为什么?
因为,当Xn-1 和 Ym 的最后一个元素不相同时,我们又需要将LCS(Xn-1,Ym)进行分解:分解成:LCS(Xn-1,Ym-1) 和 LCS(Xn-2,Ym)
也就是说:在子问题的继续分解中,有些问题是重叠的。
由于像LCS这样的问题,它具有重叠子问题的性质,因此:用递归来求解就太不划算了。因为采用递归,它重复地求解了子问题啊。而且注意哦,所有子问题加起来的个数 可是指数级的哦。。。。
这篇文章中就演示了一个递归求解重叠子问题的示例。
那么问题来了,你说用递归求解,有指数级个子问题,故时间复杂度是指数级。这指数级个子问题,难道用了动态规划,就变成多项式时间了??
呵呵哒。。。。
关键是采用动态规划时,并不需要去一 一 计算那些重叠了的子问题。或者说:用了动态规划之后,有些子问题 是通过 “查表“ 直接得到的,而不是重新又计算一遍得到的。废话少说:举个例子吧!比如求Fib数列。关于Fib数列,可参考:
求fib(5),分解成了两个子问题:fib(4) 和 fib(3),求解fib(4) 和 fib(3)时,又分解了一系列的小问题....
从图中可以看出:根的左右子树:fib(4) 和 fib(3)下,是有很多重叠的!!!比如,对于 fib(2),它就一共出现了三次。如果用递归来求解,fib(2)就会被计算三次,而用DP(Dynamic Programming)动态规划,则fib(2)只会计算一次,其他两次则是通过”查表“直接求得。而且,更关键的是:查找求得该问题的解之后,就不需要再继续去分解该问题了。而对于递归,是不断地将问题分解,直到分解为 基准问题(fib(1) 或者 fib(0))
说了这么多,还是要写下最长公共子序列的递归式才完整。借用网友的一张图吧:)
c[i,j]表示:(x1,x2....xi) 和 (y1,y2...yj) 的最长公共子序列的长度。(是长度哦,就是一个整数嘛)。公式的具体解释可参考《算法导论》动态规划章节
这张DP表很是重要,从中我们可以窥见最长公共子序列的来源,同时可以根据这张表打印出最长公共子序列的构成路径
三,最长公共子序列模板
#include#include#include
using namespacestd;const int N = 1000;chara[N],b[N];intdp[N][N];intmain()
{intlena,lenb,i,j;while(scanf("%s%s",a,b)!=EOF)
{
memset(dp,0,sizeof(dp));
lena=strlen(a);
lenb=strlen(b);for(i=1;i<=lena;i++)
{for(j=1;j<=lenb;j++)
{if(a[i-1]==b[j-1])
{
dp[i][j]=dp[i-1][j-1]+1;
}else{
dp[i][j]=max(dp[i-1][j],dp[i][j-1]);
}
}
}
printf("%d\n",dp[lena][lenb]);
}return 0;
}
最长公共子序列打印路径的模板
递归法:
#include#include#include
using namespacestd;const int N = 1010;charx[N],y[N];intdp[N][N];intb[N][N];void Print(int i,intj)
{if(i==0||j==0)///递归终止条件
{return;
}if(b[i][j]==1)
{
Print(i-1,j-1);
printf("%c",x[i-1]);
}else if(b[i][j]==2)
{
Print(i-1,j);
}else if(b[i][j]==3)
{
Print(i,j-1);
}
}intmain()
{intlena,lenb,i,j;while(scanf("%s%s",x,y)!=EOF)
{
memset(dp,0,sizeof(dp));
memset(b,0,sizeof(b));
lena=strlen(x);
lenb=strlen(y);for(i=1;i<=lena;i++)
{for(j=1;j<=lenb;j++)
{if(x[i-1]==y[j-1])
{
dp[i][j]=dp[i-1][j-1]+1;
b[i][j]=1;///来自于左上方
}else{if(dp[i-1][j]>dp[i][j-1])
{
dp[i][j]=dp[i-1][j];
b[i][j]=2;///来自于左方
}else{
dp[i][j]=dp[i][j-1];
b[i][j]=3;///来自于上方
}
}
}
}
Print(lena,lenb);
}return 0;
}
非递归,在这里因为是逆序的回溯,所以我使用了栈来存储路径
1 #include
2 #include
3 #include
4 #include
5 using namespacestd;6 #define N 1010
7 intdp[N][N];8 charc;9 intmain()10 {11 chara[N];12 charb[N];13 scanf("%s%s",a,b);14 int la=strlen(a);15 int lb=strlen(b);16 memset(dp,0,sizeof(dp));17 for(int i=1; i<=la; i++)18 {19 for(int j=1; j<=lb; j++)20 {21 if(a[i-1]==b[j-1])22 dp[i][j]=dp[i-1][j-1]+1;23 else
24 dp[i][j]=max(dp[i-1][j],dp[i][j-1]);25 }26 }27 int i=la,j=lb;28 stacks;29 while(dp[i][j])30 {31 if(dp[i][j]==dp[i-1][j])///来自于左方向
32 {33 i--;34 }35 else if(dp[i][j]==dp[i][j-1])///来自于上方向
36 {37 j--;38 }39 else if(dp[i][j]>dp[i-1][j-1])///来自于左上方向
40 {41 i--;42 j--;43 s.push(a[i]);44 }45 }46 while(!s.empty())47 {48 c=s.top();49 printf("%c",c);50 s.pop();51 }52 return 0;53 }
c语言最长公共子序列,算法设计与分析/动态规划——最长公共子序列LCS及模板...相关推荐
- 算法设计与分析——动态规划——最长公共子序列
#include<iostream> #include<stdio.h> #include<string.h> #include<bits/stdc++.h& ...
- 算法设计与分析-----动态规划
算法设计与分析-----动态规划(c语言) 一.动态规划 1.定义 2.动态规划问题的解法 3.动态规划求解的基本步骤 4.动态规划与其他方法的比较 5.求解整数拆分问题 6.求解最大连续子序列和问题 ...
- 计算机算法设计与分析 动态规划 实验报告,动态规划法解最长公共子序列(计算机算法设计与分析实验报告).doc...
动态规划法解最长公共子序列(计算机算法设计与分析实验报告) 实报 告 实验名称:任课教师::姓 名:完成日期:二.主要实验内容及要求: 要求按动态规划法原理求解问题: 要求交互输入两个序列数据: 要求 ...
- 算法设计与分析——动态规划(五):最长公共子序列
分类目录:<算法设计与分析>总目录 相关文章: · 动态规划(一):基础知识 · 动态规划(二):钢条切割 · 动态规划(三):矩阵链乘法 · 动态规划(四):动态规划详解 · 动态规划( ...
- 算法设计与分析——动态规划(二):钢条切割
分类目录:<算法设计与分析>总目录 相关文章: · 动态规划(一):基础知识 · 动态规划(二):钢条切割 · 动态规划(三):矩阵链乘法 · 动态规划(四):动态规划详解 · 动态规划( ...
- 算法设计与分析——动态规划——数字三角形问题
数字三角形问题 1.题目描述:给定一个由n行数字组成的数字三角形,如图3-7所示.设计一个算法,计算出从三角形的顶至底的一条路径,使该路径经过的数字总和最大. 算法设计:对于给定的由n行数字组成的数字 ...
- 算法设计与分析——动态规划(一)矩阵连乘
动态规划--Dynamic programming,可以说是本人一直没有啃下的骨头,这次我就得好好来学学Dynamic programming. OK,出发! 动态规划通常是分治算法的一种特殊情况,它 ...
- 算法设计与分析—动态规划算法
动态规划算法 1.动态规划算法基本思想 2.动态规划算法求解步骤 3. 0-1背包问题 在现实生活中,存在这样一类问题,它们的活动过程不仅可以分成若干阶段,而且在任意一个阶段(不妨设为第i个阶段)以后 ...
- 【算法设计与分析】最长公共子序列问题 动态规划算法 超详细
最长公共子序列问题描述 注意:最长公共子序列不一定是连续序列. 例如:"ASAFAGAHAJAK"与"AAAAAAA"的最长公共子序列为:AAAAAA 公共子序 ...
最新文章
- 机器学习陷入困境,谷歌大脑专家发文吐槽 AI 工程现状
- 基于Pytorch再次解读LeNet-5现代卷积神经网络
- Visual Studio各版本工程文件之间的转换 [转载]
- Python之sklearn:LabelEncoder函数简介(编码与编码还原)、使用方法、具体案例之详细攻略
- HDU2026 首字母变大写
- keras fine-tune方法
- Vector源码分析
- Ocelot简易教程(二)之快速开始2
- WampServer下使用PHP
- vue-cli起项目步骤
- 你的目的是什么是谁指使你_魔家四将的师傅是谁?隐藏的高人,只配合太上老君的布局...
- 南阳理工acm 1070诡异的电梯【Ⅰ】(动态规划)
- python开源代码题库管理_GitHub - gnu-xiaosong/Qu_system: 一款开源免费的题库系统程序,高效,安全,功能强大...
- 解决创建文本文件,修改后缀为.py,仍改不了文本类型的问题
- linux系统print命令,Linux系统命令大全
- python用len()函数说明
- 大数据Hadoop、Hive、Kafka、Hbase、Spark等框架面经
- 【工程测试与训练】使用BiSeNetv2测试、训练cityscapes数据集、训练自己的数据集
- el-form和el-col响应式布局
- Unable to use EPCS device Leaving target processor paused