动态规划解最长回文子序列并优化空间复杂度
2013-11-19 01:07
232 查看
版权所有。所有权利保留。
欢迎转载,转载时请注明出处:
http://blog.csdn.net/xiaofei_it/article/details/16813591
一个字符串有许多子序列,比如字符串abcfgbda,它的子序列有a、bfg、bfgbd,在这些子序列中肯定有回文字符串。现在要对任意字符串求其最长的回文子序列。注意,本文不是解决最长回文子串,回文子串是连续的,回文子序列是不连续的。
字符串abcfgbda的最长回文子序列为abcba,长度为5。
输入:包含若干行,每行有一个字符串,字符串由大小写字母构成,长度不超过100。
输出:对每个输入,输出一行,该行有一个整数,表示最长回文子序列的长度。
Example
Input:
a
abcfgbda
Output:
1
5
该题采用动态规划思想。
对任意字符串,如果头和尾相同,那么它的最长回文子序列一定是去头去尾之后的部分的最长回文子序列加上头和尾。如果头和尾不同,那么它的最长回文子序列是去头的部分的最长回文子序列和去尾的部分的最长回文子序列的较长的那一个。
设字符串为s,f(i,j)表示s[i..j]的最长回文子序列。
状态转移方程如下:
当i>j时,f(i,j)=0。
当i=j时,f(i,j)=1。
当i<j并且s[i]=s[j]时,f(i,j)=f(i+1,j-1)+2。
当i<j并且s[i]≠s[j]时,f(i,j)=max( f(i,j-1), f(i+1,j) )。
注意如果i+1=j并且s[i]=s[j]时,f(i,j)=f(i+1,j-1)+2=f(j,j-1)+2=2,这就是“当i>j时f(i,j)=0”的好处。
由于f(i,j)依赖i+1,所以循环计算的时候,第一维必须倒过来计算,从s.length()-1到0。
最后,s的最长回文子序列长度为f(0, s.length()-1)。
代码如下:
空间复杂度为O(n^2)。
进一步减少内存使用,我们发现计算第i行时只用到了第i+1行,这样我们便不需要n行,只需要2行即可。
起初先在第0行计算f[s.length()-1],然后用第0行的结果在第1行计算f[s.length()-2],再用第1行的结果在第0行计算f[s.length()-3],以此类推。正在计算的那行设为now,那么计算第now行时,就要用第1-now行的结果。这种方法很巧妙。
当计算完成时,如果s.length()是奇数,则结果在第0行;如果是偶数,则结果在第1行。
此空间复杂度为O(n)。
代码如下:
欢迎转载,转载时请注明出处:
http://blog.csdn.net/xiaofei_it/article/details/16813591
一个字符串有许多子序列,比如字符串abcfgbda,它的子序列有a、bfg、bfgbd,在这些子序列中肯定有回文字符串。现在要对任意字符串求其最长的回文子序列。注意,本文不是解决最长回文子串,回文子串是连续的,回文子序列是不连续的。
字符串abcfgbda的最长回文子序列为abcba,长度为5。
输入:包含若干行,每行有一个字符串,字符串由大小写字母构成,长度不超过100。
输出:对每个输入,输出一行,该行有一个整数,表示最长回文子序列的长度。
Example
Input:
a
abcfgbda
Output:
1
5
该题采用动态规划思想。
对任意字符串,如果头和尾相同,那么它的最长回文子序列一定是去头去尾之后的部分的最长回文子序列加上头和尾。如果头和尾不同,那么它的最长回文子序列是去头的部分的最长回文子序列和去尾的部分的最长回文子序列的较长的那一个。
设字符串为s,f(i,j)表示s[i..j]的最长回文子序列。
状态转移方程如下:
当i>j时,f(i,j)=0。
当i=j时,f(i,j)=1。
当i<j并且s[i]=s[j]时,f(i,j)=f(i+1,j-1)+2。
当i<j并且s[i]≠s[j]时,f(i,j)=max( f(i,j-1), f(i+1,j) )。
注意如果i+1=j并且s[i]=s[j]时,f(i,j)=f(i+1,j-1)+2=f(j,j-1)+2=2,这就是“当i>j时f(i,j)=0”的好处。
由于f(i,j)依赖i+1,所以循环计算的时候,第一维必须倒过来计算,从s.length()-1到0。
最后,s的最长回文子序列长度为f(0, s.length()-1)。
代码如下:
#include <iostream> #include <cstring> using namespace std; #define MAX 101 #define max(a,b) (a)>(b)?(a):(b) int main() { string s; while (cin>>s) { int f[MAX][MAX]; memset(f,0,sizeof(f)); for (int i=s.length()-1;i>=0;i--) { f[i][i]=1; for (int j=i+1;j<s.length();j++) if (s[i]==s[j]) f[i][j]=f[i+1][j-1]+2; else f[i][j]=max(f[i][j-1],f[i+1][j]); } cout<<f[0][s.length()-1]<<endl; } return 0; }
空间复杂度为O(n^2)。
进一步减少内存使用,我们发现计算第i行时只用到了第i+1行,这样我们便不需要n行,只需要2行即可。
起初先在第0行计算f[s.length()-1],然后用第0行的结果在第1行计算f[s.length()-2],再用第1行的结果在第0行计算f[s.length()-3],以此类推。正在计算的那行设为now,那么计算第now行时,就要用第1-now行的结果。这种方法很巧妙。
当计算完成时,如果s.length()是奇数,则结果在第0行;如果是偶数,则结果在第1行。
此空间复杂度为O(n)。
代码如下:
#include <iostream> #include <cstring> using namespace std; #define MAX 101 #define max(a,b) (a)>(b)?(a):(b) int main() { string s; while (cin>>s) { int f[2][MAX]; memset(f,0,sizeof(f)); int now=0; for (int i=s.length()-1;i>=0;i--) { f[now][i]=1; for (int j=i+1;j<s.length();j++) if (s[i]==s[j]) f[now][j]=f[1-now][j-1]+2; else f[now][j]=max(f[now][j-1],f[1-now][j]); now=1-now; } if (s.length()%2==0) cout<<f[1][s.length()-1]<<endl; else cout<<f[0][s.length()-1]<<endl; } return 0; }
相关文章推荐
- 算法_动态规划_最长单调递增子序列问题(O(nlogn)的时间复杂度)
- 算法导论-第15章-动态规划-15-2 最长回文子序列(LPS)
- 动态规划(二)最长回文子序列
- 动态规划,最长回文子序列(java实现),输入character,算法应该返回carac
- D psd面试 (动态规划求解最长回文子序列)
- (动态规划)最长回文子序列、回文子序列个数
- 动态规划-最长回文子序列
- 动态规划优化 最长上升子序列 详解
- 最长回文子序列 - 动态规划
- 算法导论——动态规划之最长公共子序列(LCS)和最长回文子序列(LPS)
- (动态规划)最长回文子序列、回文子序列个数
- ZJU1876 Edit Step Ladders - 动态规划 最长序列+二分优化
- 动态规划求一个序列的最长回文子序列(Longest Palindromic Substring )
- (动态规划)最长回文子序列、回文子序列个数
- 最长回文子序列:字符串反转+动态规划,最长公共子序列LCS算法
- 最长递增子序列(动态规划)
- 【动态规划17】bzoj3675 [Apio2014]序列分割(斜率优化)
- 字符串的最长回文子序列以及最长子串
- 动态规划题目一:最长单调递增子序列
- [运筹学]关于动态规划的2个问题-最长公共子序列与最长非降子序列问题