当前位置:   article > 正文

【leetcode】最长公共子序列(LCS)和最长公共子串_leetcode lcs

leetcode lcs

这两个概念我之前一直没搞清。

1. 最长公共子序列(LCS)

1.1 问题描述

1.2 思路

利用动态规划。
在这里插入图片描述
下一步就要找到状态之间的转换方程。
在这里插入图片描述
因此可以根据这个方程来进行填表,以"helloworld"和“loop”为例:
在这里插入图片描述

1.3 代码 

  1. def LCS(string1,string2):
  2. len1 = len(string1)
  3. len2 = len(string2)
  4. res = [[0 for i in range(len1+1)] for j in range(len2+1)]
  5. for i in range(1,len2+1):
  6. for j in range(1,len1+1):
  7. if string2[i-1] == string1[j-1]:
  8. res[i][j] = res[i-1][j-1]+1
  9. else:
  10. res[i][j] = max(res[i-1][j],res[i][j-1])
  11. return res,res[-1][-1]
  12. print(LCS("helloworld","loop"))
  13. # 输出结果为:
  14. [[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
  15. [0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1],
  16. [0, 0, 0, 1, 1, 2, 2, 2, 2, 2, 2],
  17. [0, 0, 0, 1, 1, 2, 2, 3, 3, 3, 3],
  18. [0, 0, 0, 1, 1, 2, 2, 3, 3, 3, 3]], 3

所以"helloworld"和"loop"的最长公共子序列的长度为3。

1.4 找到具体的子序列

下面的内容借鉴了博主Running07的博客动态规划 最长公共子序列 过程图解
如果有两个字符串如下:
S1 = “123456778”
S2 = “357486782”
其最终的动态规划填表结果为:在这里插入图片描述
其中S1和S2的LCS并不是只有1个。

我们根据递归公式:

构建了上表,
通过递推公式,可以看出,res[i][j]的值来源于res[i-1][j]或者是res[i-1][j]和res[i][j-1]的较大值(可能相等)。
我们将从最后一个元素c[8][9]倒推出S1和S2的LCS。
res[8][9] = 5,且S1[8] != S2[9],所以倒推回去,res[8][9]的值来源于c[8][8]的值(因为res[8][8] > res[7][9])。
res[8][8] = 5, 且S1[8] = S2[8], 所以倒推回去,res[8][8]的值来源于 res[7][7]。
以此类推,如果遇到S1[i] != S2[j] ,且res[i-1][j] = res[i][j-1] 这种存在分支的情况,这里都选择一个方向(之后遇到这样的情况,也选择相同的方向,要么都往左,要么都往上)。

可得S1和S2的LCS为{3、5、7、7、8} 这是遇见相等的时候,统一往左走
S1和S2之间还有一个LCS 这是遇见相等的时候,统一往上走:

可得S1和S2的LCS为{3、4、6、7、8}

2. 最长公共子串

2.1 问题描述


2.2 思路

和最长公共子序列一样,使用动态规划的算法。
下一步就要找到状态之间的转换方程。


和LCS问题唯一不同的地方在于当A[i] != B[j]时,res[i][j]就直接等于0了,因为子串必须连续,且res[i][j] 表示的是以A[i],B[j]截尾的公共子串的长度。因此可以根据这个方程来进行填表,以"helloworld"和“loop”为例:

这个和LCS问题还有一点不同的就是,需要设置一个res,每一步都更新得到最长公共子串的长度。

2.3 Python代码

  1. def LCstring(string1,string2):
  2. len1 = len(string1)
  3. len2 = len(string2)
  4. res = [[0 for i in range(len1+1)] for j in range(len2+1)]
  5. result = 0
  6. for i in range(1,len2+1):
  7. for j in range(1,len1+1):
  8. if string2[i-1] == string1[j-1]:
  9. res[i][j] = res[i-1][j-1]+1
  10. result = max(result,res[i][j])
  11. return result
  12. print(LCstring("helloworld","loop"))
  13. # 输出结果为:2

转自:

动态规划经典例题——最长公共子序列和最长公共子串(python)

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/从前慢现在也慢/article/detail/87391
推荐阅读
相关标签
  

闽ICP备14008679号