例子:
S1= ABCD,S2=AEBD,最長公共子序列長度爲3
思路:
1.自頂向下的方法
|-回溯法: 時間複雜度O(2^n * n)
|-對兩字符串的最後一個字符進行比較,分爲相等和不相等兩種情況
|-相等:res = 1 + back(m-1, n-1)
|-不相等:res = max(back(m, n-1), back(m-1, n))
|-其中m,n分別爲兩個字符串的最後一個元素的索引,back爲遞歸調用的尋找最長公共子序列的函數
|-結構化子函數:時間複雜度O(m*n)
2.自底向上的方法
|-二維的動態規劃:
|-狀態LCS(m, n):表示S1[0...m]和S2[0...n]的最長公共子序列的長度
|-m, n 爲LCS中新增加的兩個字符,我們只需要考慮當前新增這兩個字符後的狀態轉移即可。
|-狀態轉移方程分爲兩種情況:
|-1. S1[m] == S2[n]: LCS(m, n)=1+LCS(m-1,n-1)
|-2. S1[m] != S2[N]: LCS(m, n)=max(Lcs(m-1, n), LCS(m, n-1))
|-時間複雜度O(m*n)
github: 點擊打開鏈接
python源代碼:
class Solution(object):
# 1 回溯法
def back(self, S1, S2):
m = len(S1)-1
n = len(S2)-1
# 終止條件
if m < 0 or n < 0:
return 0
# 遞歸過程
if S1[m] == S2[n]:
return 1+self.back(S1[:m], S2[:n])
else:
# 不相等
return max(self.back(S1[:m], S2), self.back(S1, S2[:n]))
# 2 結構化子函數
def childS(self, S1, S2):
m = len(S1) - 1
n = len(S2) - 1
rows = [-1 for i in range(n + 1)]
memo = [rows.copy() for j in range(m + 1)]
return self.struct(S1, S2, memo)
def struct(self, S1, S2, memo):
m = len(S1) - 1
n = len(S2) - 1
# 終止條件
if m < 0 or n < 0:
return 0
if S1[m] == S2[n]:
if memo[m-1][n-1] == -1:
memo[m - 1][n - 1] = self.struct(S1[:m], S2[:n], memo)+1
return memo[m-1][n-1]
else:
if memo[m-1][n] == -1:
memo[m - 1][n] = self.struct(S1[:m], S2, memo)
if memo[m][n-1] == -1:
memo[m][n - 1] = self.struct(S1, S2[:n], memo)
return max(memo[m][n - 1], memo[m-1][n])
# 3 動態規劃
def dp(self, S1, S2):
m = len(S1)
n = len(S2)
if m < 0 or n < 0:
return 0
memo = [[0]*(n+1) for j in range(m+1)]
# 初始狀態 第0行 第0列 都是0
for i in range(1, m+1):
for j in range(1, n+1):
if S1[i-1] == S2[j-1]: # S1中的第i個字符 S2中的第j個字符
memo[i][j] = 1 + memo[i-1][j-1]
else:
memo[i][j] = max(memo[i-1][j], memo[i][j-1])
return memo[m][n]
S1 = 'AFDSAFDSA'
S2 = 'FDSAFD'
print(Solution().dp(S1, S2))class Solutio