动态规划-最长公共子序列
2016-10-12 14:20
218 查看
动态规划:动态规划是一种思想。是由暴力递归简化而来的编程思想,在编程中变化很大。我的总结如下:
两个字符串的公共子序列。两个字符串str1和str2的公共子串,且为最长的公共子序列。
第一步:我们用dp[i][j]表示str1[0…i]与str2[0…j]的最长公共子序列。
第二步:dp[i][j]一般我们怎么计算嘞?dp[i][j]的计算可以分两种情况讨论:str1[i]和str2[j]相等,dp[i][j]=dp[i-1][j-1]+1;str1[i]和str2[j]不相等,dp[i][j]取dp[i-1][j]和dp[i][j-1]中最大的。
初值dp[0][0]。
得到dp[i][j]我们要得到dp[i][j]中的最大值,然后根据和dp[i-1][j]和dp[i][j-1]比较确定走哪条路。当前大于左,大于右,选择当前关键元素。看出来没,选择最长公共子序列中的元素和计算dp[i][j]的规则有关。
代码如下:
两个字符串的公共子序列。两个字符串str1和str2的公共子串,且为最长的公共子序列。
第一步:我们用dp[i][j]表示str1[0…i]与str2[0…j]的最长公共子序列。
第二步:dp[i][j]一般我们怎么计算嘞?dp[i][j]的计算可以分两种情况讨论:str1[i]和str2[j]相等,dp[i][j]=dp[i-1][j-1]+1;str1[i]和str2[j]不相等,dp[i][j]取dp[i-1][j]和dp[i][j-1]中最大的。
初值dp[0][0]。
得到dp[i][j]我们要得到dp[i][j]中的最大值,然后根据和dp[i-1][j]和dp[i][j-1]比较确定走哪条路。当前大于左,大于右,选择当前关键元素。看出来没,选择最长公共子序列中的元素和计算dp[i][j]的规则有关。
代码如下:
public static String lcse(String str1, String str2) { if (str1 == null || str2 == null || str1.equals("") || str2.equals("")) { return ""; } char[] chs1 = str1.toCharArray(); char[] chs2 = str2.toCharArray(); int[][] dp = getdp(chs1, chs2); int m = chs1.length - 1; int n = chs2.length - 1; char[] res = new char[dp[m] ]; int index = res.length - 1; while (index >= 0) { if (n > 0 && dp[m] == dp[m][n - 1]) { n--; } else if (m > 0 && dp[m] == dp[m - 1] ) { m--; } else { res[index--] = chs1[m]; m--; n--; } } return String.valueOf(res); } //获得dp public static int[][] getdp(char[] str1, char[] str2) { int[][] dp = new int[str1.length][str2.length]; dp[0][0] = str1[0] == str2[0] ? 1 : 0; for (int i = 1; i < str1.length; i++) { dp[i][0] = Math.max(dp[i - 1][0], str1[i] == str2[0] ? 1 : 0); } for (int j = 1; j < str2.length; j++) { dp[0][j] = Math.max(dp[0][j - 1], str1[0] == str2[j] ? 1 : 0); } for (int i = 1; i < str1.length; i++) { for (int j = 1; j < str2.length; j++) { dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]); if (str1[i] == str2[j]) { dp[i][j] = Math.max(dp[i][j], dp[i - 1][j - 1] + 1); } } } return dp; } public static void main(String[] args) { String str1 = "A1BC2D3EFGH45I6JK7LMN"; String str2 = "12OPQ3RST4U5V6W7XYZ"; System.out.println(lcse(str1, str2)); }
相关文章推荐
- 动态规划(3)-最长公共子序列
- 动态规划——最长公共子序列 公共子串 POJ1458
- 【经典面试题一】最长公共子序列(经典动态规划题)
- 动态规划——最长公共子序列总结
- 动态规划之最长公共子序列的求解(C++实现)
- 动态规划_最长公共子序列问题
- 动态规划 之 最长公共子序列(非连续)
- 动态规划之最长公共子序列(Longest Common Subsequence)
- NYoj 36 最长公共子序列[典型动态规划]
- 动态规划之最长公共子序列(算法导论)
- 动态规划之最长公共子序列 代码详解
- uva 10066 - The Twin Towers(动态规划-最长公共子序列)
- 动态规划 最长公共子序列
- 动态规划有一个经典问题是最长公共子序列
- 动态规划之最长公共子序列
- Advanced Fruits(合并字符串+最长公共子序列应用)hdu1503 +动态规划
- 动态规划解决最长公共子序列LCS问题
- 动态规划之最长公共子序列
- 动态规划:最长公共子序列
- 动态规划之最长公共子序列