动态规划之最长公共子序列(LCS)
最长公共子序列(LCS,Longest Common Subsequence)。其定义是,一个序列 S ,如果分别是两个或多个已知序列的子序列,且是所有符合此条件序列中最长的,则 S 称为已知序列的最长公共子序列。而最长公共子串(要求连续)和最长公共子序列是不同的。
设X(m)={x(1), x(2), x(3),....,x(m)} 和 Y(n)={y(1), y(2), y(3),....,y(n)}的最长公共子序列Z(k)={z(1), z(2),z(3),....,z(k)}
首先,将原问题分解为子问题,得出一个已知的结论:当m或n等于0时,k等于0,即公共子序列长度为0
当m和n都不等于0时,此时分为三种情况:
(1) x(m) == y(n) ,此时z(k) = x(m) = y(n),该元素属于当前最长公共子序列的最后一个元素。此时Z(k-1)={ X(m-1)与Y(n-1)的最长公共子序列 }
(2) x(m) != y(n) ,且z(k) != x(m),此时Z={ X(m-1)与Y(n)的最长公共子序列 }
(3) x(m) != y(n) ,且z(k) != y(n),此时Z={ X(m)与Y(n-1)的最长公共子序列 }
其中X(m-1)={x(1), x(2), x(3),....,x(m-1)} , Y(n-1)={y(1), y(2), y(3),....,y(n-1)},Z(k-1)={z(1), z(2),z(3),....,z(k-1)}
上面三个步骤,每个步骤都是根据当前序列的状态,将问题转化为已知解的子问题(最初的已知解的子问题是当m==0或n==0时),从而求出当前问题的解。
由此便得出了该问题的状态转移方程,数学描述如下:
现有两个序列X={x1,x2,x3,...xi},Y={y1,y2,y3,....,yi},
设一个C[i,j]: 保存Xi与Yj的LCS的长度
最后,该算法的python实现:
1 # 最长公共子序列问题 2 __author__ = 'ice' 3 4 5 # arr_x,arr_y [0 ~ length-1] 6 # subarr_len [0,1~x_length][0,1~y_length] 7 # flag [0 ~ x_length-1][0 ~ y_length] 8 9 10 def lcs_length(arr_x, arr_y): 11 x_length = len(arr_x) 12 y_length = len(arr_y) 13 subarr_len = [[0 for j in range(y_length + 1)] for i in range(x_length + 1)] 14 flag = [[0 for j in range(y_length)] for i in range(x_length)] 15 for i in range(1, x_length + 1): 16 for j in range(1, y_length + 1): 17 if arr_x[i - 1] == arr_y[j - 1]: 18 subarr_len[i][j] = subarr_len[i - 1][j - 1] + 1 19 flag[i - 1][j - 1] = 1 20 elif subarr_len[i - 1][j] >= subarr_len[i][j - 1]: 21 subarr_len[i][j] = subarr_len[i - 1][j] 22 flag[i - 1][j - 1] = 2 23 else: 24 subarr_len[i][j] = subarr_len[i][j - 1] 25 flag[i - 1][j - 1] = 3 26 return {'subarr_length': subarr_len[x_length][y_length], 'flag': flag} 27 28 29 def lcs(arr_x, x_i, y_j, flag, result): 30 if x_i < 0 or y_j < 0: 31 return 32 if flag[x_i][y_j] == 1: 33 lcs(arr_x, x_i - 1, y_j - 1, flag, result) 34 result.append(arr_x[x_i]) 35 elif flag[x_i][y_j] == 2: 36 lcs(arr_x, x_i - 1, y_j, flag, result) 37 elif flag[x_i][y_j] == 3: 38 lcs(arr_x, x_i, y_j - 1, flag, result) 39 40 41 array_x = ['a', 'b', 'c', 'b', 'd', 'a', 'b'] 42 array_y = ['b', 'd', 'c', 'a', 'b', 'a'] 43 longest_common_subsequence = [] 44 lcs_info = lcs_length(array_x, array_y) 45 lcs(array_x, len(array_x) - 1, len(array_y) - 1, lcs_info['flag'], longest_common_subsequence) 46 print(longest_common_subsequence)
转载于:https://www.cnblogs.com/z941030/p/4910035.html
动态规划之最长公共子序列(LCS)相关推荐
- 动态规划解最长公共子序列(LCS)(附详细填表过程)
目录 相关概念 子序列形式化定义: 公共子序列定义: 最长公共子序列(以下简称LCS): 方法 蛮力法求解最长公共子序列: 动态规划求解最长公共子序列: 分析规律: 做法: 伪代码: 下面演示下c数组 ...
- 动态规划算法解最长公共子序列LCS问题
动态规划算法解LCS问题 作者 July 二零一零年十二月三十一日 本文参考:微软面试100题系列V0.1版第19.56题.算法导论.维基百科. 第一部分.什么是动态规划算法 ok,咱们先来了解下什么 ...
- 最长公共子序列php,动态规划(最长公共子序列LCS)
概念 求解决策过程最优化的结果 (可能有多个) 把多阶段过程转化为一系列单阶段过程,利用各阶段之间的关系,逐个求解 计算过程中会把结果都记录下,最终结果在记录中找到. 举例 求两个字符串的最长公共子序 ...
- 算法导论-----最长公共子序列LCS(动态规划)
目录 一.概念梳理 二.最长公共子序列解决方案 方案1:蛮力搜索策略 方案2:动态规划策略 三.C代码实现 实现1 实现2(空间优化) 一.概念梳理 1. 子序列(subsequence): 一个 ...
- 动态规划表格法解决最长公共子序列(LCS)问题
3.5 最长公共子序列(LCS) 前言:图片是博主自己画的,转载请注明出处哦 3.5.1 问题描述 最长公共子序列(Longest Common Subseuence,LCS)问题:给定两个字符串,求 ...
- 程序员编程艺术第十一章:最长公共子序列(LCS)问题
程序员编程艺术第十一章:最长公共子序列(LCS)问题 0.前言 程序员编程艺术系列重新开始创作了(前十章,请参考程序员编程艺术第一~十章集锦与总结).回顾之前的前十章,有些代码是值得商榷的,因当时的代 ...
- 算法之最长公共子序列(LCS)问题
算法课上老师留的作业,最长公共子序列LCS(Longest Common Subsequence)问题,首先看到这个问题感觉有点复杂,和最长公共子串不同,公共子序列并不要求元素相邻,看起来只有穷举才能 ...
- 动态规划解决最长公共子序列
动态规划解决最长公共子序列 问题描述 给定两个序列,例如 X = "ABCBDAB".Y = "BDCABA",求它们的最长公共子序列的长度. 递归关系 c[i ...
- [dp]leetcode1143:最长公共子序列LCS (medium)
题目: 题解: 动态规划的经典例题,可参考晴神的算法笔记 首先先使用暴力法思考吧,设t1和t2的长度分别为m和n,那么对两个字符串中的每个字符,分别只有选和不选两个决策,而得到两个子序列后,比较两个子 ...
最新文章
- 人工智能的另一方向:基于忆阻器的存算一体技术
- Silverlight获取WebHost配置信息--WebClient和XmlSerializer模拟
- vim的介绍与常用的命令
- 今日头条上传图片时设置封面图报像素低的原因是什么
- Mysql 优化(学习笔记二十)
- stm32定时2通道3映射_stm32学习笔记之问题总结
- 征集公开课内容的建议
- python课程价格-南山区python课程价格
- 收集的图像处理网站http://blog.csdn.net/chief1985/article/details/1898358
- 【情感分析】情感分析研究的新视野
- 新物联网时代的整合战略
- LeetCode8 字符串转整数
- 利用SPA(SQL Performance Analyzer)对比两个SQL Tuning Set
- 基于JavaEE的公共自行车租赁管理系统_JSP网站设计_SqlServer数据库设计
- 解决:卸载anaconda后 cmd闪退或打不开
- [汇编语言例题]计算地址连续的ffff:0~ffff:b单元中的数据的和(详解)
- 关于工信部191号文《App违法违规收集使用个人信息行为认定方法》的评估
- 【老九】【Python】文件操作与异常处理
- Oracle开发 之 主-外键约束FK及约束的修改
- Vlad and Unfinished Business (图论)