动态规划求解最长公共子序列
来源:互联网 发布:js 用加号添加数组 编辑:程序博客网 时间:2024/05/13 08:22
动态规划法
经常会遇到复杂问题不能简单地分解成几个子问题,而会分解出一系列的子问题。简单地采用把大问题分解成子问题,并综合子问题的解导出大问题的解的方法,问题求解耗时会按问题规模呈幂级数增加。
为了节约重复求相同子问题的时间,引入一个数组,不管它们是否对最终解有用,把所有子问题的解存于该数组中,这就是动态规划法所采用的基本方法。
【问题】 求两字符序列的最长公共字符子序列
问题描述:字符序列的子序列是指从给定字符序列中随意地(不一定连续)去掉若干个字符(可能一个也不去掉)后所形成的字符序列。令给定的字符序列X=“x0,x1,…,xm-1”,序列Y=“y0,y1,…,yk-1”是X的子序列,存在X的一个严格递增下标序列<i0,i1,…,ik-1>,使得对所有的j=0,1,…,k-1,有xij=yj。例如,X=“ABCBDAB”,Y=“BCDB”是X的一个子序列。
考虑最长公共子序列问题如何分解成子问题,设A=“a0,a1,…,am-1”,B=“b0,b1,…,bm-1”,并Z=“z0,z1,…,zk-1”为它们的最长公共子序列。不难证明有以下性质:
(1) 如果am-1=bn-1,则zk-1=am-1=bn-1,且“z0,z1,…,zk-2”是“a0,a1,…,am-2”和“b0,b1,…,bn-2”的一个最长公共子序列;
(2) 如果am-1!=bn-1,则若zk-1!=am-1,蕴涵“z0,z1,…,zk-1”是“a0,a1,…,am-2”和“b0,b1,…,bn-1”的一个最长公共子序列;
(3) 如果am-1!=bn-1,则若zk-1!=bn-1,蕴涵“z0,z1,…,zk-1”是“a0,a1,…,am-1”和“b0,b1,…,bn-2”的一个最长公共子序列。
这样,在找A和B的公共子序列时,如有am-1=bn-1,则进一步解决一个子问题,找“a0,a1,…,am-2”和“b0,b1,…,bm-2”的一个最长公共子序列;如果am-1!=bn-1,则要解决两个子问题,找出“a0,a1,…,am-2”和“b0,b1,…,bn-1”的一个最长公共子序列和找出“a0,a1,…,am-1”和“b0,b1,…,bn-2”的一个最长公共子序列,再取两者中较长者作为A和B的最长公共子序列。
求解:
引进一个二维数组c[][],用c[i][j]记录X[i]与Y[j] 的LCS 的长度,b[i][j]记录c[i][j]是通过哪一个子问题的值求得的,以决定搜索的方向。
我们是自底向上进行递推计算,那么在计算c[i,j]之前,c[i-1][j-1],c[i-1][j]与c[i][j-1]均已计算出来。此时我们根据X[i] = Y[j]还是X[i] != Y[j],就可以计算出c[i][j]。
问题的递归式写成:
回溯输出最长公共子序列过程:
算法分析:
由于每次调用至少向上或向左(或向上向左同时)移动一步,故最多调用(m + n)次就会遇到i = 0或j = 0的情况,此时开始返回。返回时与递归调用时方向相反,步数相同,故算法时间复杂度为Θ(m + n)。
import java.util.Scanner;//Dynamic Program//最长公共子序列public class LongestCommonSubsequence {/** * @param args */public static void main(String[] args) {// TODO Auto-generated method stubScanner scan = new Scanner(System.in);int n = scan.nextInt();int[] num1 = new int[n + 1];num1[0] = 0;for (int i = 1; i <= n; i++) {num1[i] = scan.nextInt();}int m = scan.nextInt();int[] num2 = new int[m + 1];num2[0] = 0;for (int i = 1; i <= m; i++) {num2[i] = scan.nextInt();}LongestCommonSubsequence lcs = new LongestCommonSubsequence();lcs.print_lcs(lcs.lcs_length(num1, num2), num1, n, m);}public int[][] lcs_length(int[] num1, int[] num2) {int c[][] = new int[num1.length][num2.length];int b[][] = new int[num1.length][num2.length];for (int i = 0; i < num1.length; i++) {c[i][0] = 0;}for (int i = 0; i < num2.length; i++) {c[0][i] = 0;}for (int i = 1; i < num1.length; i++) {for (int j = 1; j < num2.length; j++) {if (num1[i] == num2[j]) {c[i][j] = c[i - 1][j - 1] + 1;b[i][j] = 2;} else if (c[i][j - 1] >= c[i - 1][j]) {c[i][j] = c[i][j - 1];b[i][j] = 1;} else {c[i][j] = c[i - 1][j];b[i][j] = 0;}}}return b;}public void print_lcs(int[][] b, int[] num, int n, int m) {if (n == 0 || m == 0)return;if (b[n][m] == 2) {print_lcs(b, num, n - 1, m - 1);System.out.println(num[n]);} else if (b[n][m] == 1) {print_lcs(b, num, n, m - 1);} else {print_lcs(b, num, n - 1, m);}}}
- 动态规划求解最长公共子序列
- 动态规划求解最长公共子序列
- 动态规划求解最长公共子序列
- 动态规划求解最长公共子序列问题
- 最长公共子序列(动态规划求解)
- 动态规划求解最长公共子序列问题
- 最长公共子序列的动态规划求解
- 最长公共子序列的动态规划求解
- 最长公共子序列求解:递归与动态规划方法
- 动态规划求解最长公共子序列(LCS)
- 动态规划最长公共子序列求解以及内存优化
- ACM--最长公共子序列 动态规划求解
- C++实现动态规划求解最长公共子序列
- 最长公共子序列求解:递归与动态规划方法
- 最长公共子序列求解:递归与动态规划方法
- 最长公共子序列问题(动态规划求解)
- 使用动态规划求解最长公共子序列(LCS)
- 动态规划求解最长公共子序列(LCS)
- KDTree 解析 、构建
- Python 程序员经常犯的 10 个错误
- 在线修改redo.文件的路径
- Android Activity生命周期(图文)一看就明白
- 修改sqlserver2008数据库的排序规则 (转)
- 动态规划求解最长公共子序列
- mongoVUE内部窗口不能排序问题
- [转]VS2008编译boost库
- Socket编程指南及示例程序
- ClassLoader.getResourceAsStream() 与 Class.getResourceAsStream()的区别
- sql多行拼接成字符串
- 解决运行Tomcat,报accept2的错误
- hdu4386(求四边形最大面积)
- Leetcode 树 Balanced Binary Tree