赞
踩
这两个概念我之前一直没搞清。
利用动态规划。
下一步就要找到状态之间的转换方程。
因此可以根据这个方程来进行填表,以"helloworld"和“loop”为例:
- def LCS(string1,string2):
- len1 = len(string1)
- len2 = len(string2)
- res = [[0 for i in range(len1+1)] for j in range(len2+1)]
- for i in range(1,len2+1):
- for j in range(1,len1+1):
- if string2[i-1] == string1[j-1]:
- res[i][j] = res[i-1][j-1]+1
- else:
- res[i][j] = max(res[i-1][j],res[i][j-1])
- return res,res[-1][-1]
- print(LCS("helloworld","loop"))
- # 输出结果为:
- [[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
- [0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1],
- [0, 0, 0, 1, 1, 2, 2, 2, 2, 2, 2],
- [0, 0, 0, 1, 1, 2, 2, 3, 3, 3, 3],
- [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。
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:
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}
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。
- def LCstring(string1,string2):
- len1 = len(string1)
- len2 = len(string2)
- res = [[0 for i in range(len1+1)] for j in range(len2+1)]
- result = 0
- for i in range(1,len2+1):
- for j in range(1,len1+1):
- if string2[i-1] == string1[j-1]:
- res[i][j] = res[i-1][j-1]+1
- result = max(result,res[i][j])
- return result
- print(LCstring("helloworld","loop"))
- # 输出结果为:2
转自:
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。