LCS&&LRC&&LIS问题
注:最近笔试题经常碰到DP动态规划的问题,但是由于本人没有接触过DP,笔试后看到别人家的答案简洁又漂亮,真的羡慕;难的DP自己可能不会,那再见到常见的LCS和LRS以及LIS为问题总该会吧;
资料参考:segmentfault::SecondLife::https://segmentfault.com/a/1190000002641054 (作者的时间复杂度为nlogn的LIS实现有些问题,在这进行改正)
一:LCS(非连续最长公共子序列)
问题:输入两个字符串 BDCABA 和 ABCBDAB,字符串 BCBA 和 BDAB 都是是它们的最长公共子序列,则输出它们的长度 4,并打印任意一个子序列. (Note: 不要求连续)
DP分析:时间复杂度 O(m*n)
- 假设两个字符串为:X=[x1,x2,....,xm]和Y=[y1,y2,...,yn],最长LSC=[z1,z2,...,zk];
- 假设当前比较位置是xm与yn:
- if xm==yn , 那么
Zk-1
是Xm-1
和Yn-1
的最长公共子序列; - else ,那么z是 (Xm-1和Yn)或者(Xm和Yn-1)够成的较长的一个LCS;
- if xm==yn , 那么
- 使用二维数组c[i][j]保存Xi与Yj时构成的LCS长度:
Java实现:
public class LCS最长公共子序列 { public static void main(String[] args) { Scanner sc = new Scanner(System.in); char []s1=sc.nextLine().trim().toCharArray(); char []s2=sc.nextLine().trim().toCharArray(); sc.close(); int[][]c=new int[s1.length+1][s2.length+1]; for(int i=1;i<=s1.length;i++){ for(int j=1;j<=s2.length;j++){ if(s1[i-1]==s2[j-1]){ c[i][j]=c[i-1][j-1]+1; }else{ c[i][j]=Math.max(c[i-1][j],c[i][j-1]); } } } System.out.println("生成的动态规划表为:"); for(int[]tem:c){ System.out.println(Arrays.toString(tem)); } StringBuilder sb=new StringBuilder(); print(sb,s1,s2,c,c.length-1,c[0].length-1); System.out.println("其中一个子串序列为:"+sb.reverse().toString()); } private static void print(StringBuilder sb, char[] s1, char[] s2, int[][] c, int i, int j){ if(i==0||j==0) return; else if (s1[i-1]==s2[j-1]){ sb.append(s1[i-1]); print(sb,s1,s2,c,i-1,j-1); }else if(c[i-1][j]>c[i][j-1]){ print(sb,s1,s2,c,i-1,j); }else{ print(sb,s1,s2,c,i,j-1); } } }
二:LRC(最长连续公共子串)
问题:定义 2 个字符串 query 和 text, 如果 query 里最大连续字符子串在 text 中存在,则返回子串长度. 例如: query="acbac",text="acaccbabb", 则最大连续子串为 "cba", 则返回长度 3.
DP分析:时间复杂度 O(m*n)
-
- 我们使用
c[i,j]
表示 以Xi
和Yj
结尾的最长公共子串的长度,因为要求子串连续,所以对于Xi
与Yj
来讲,它们要么与之前的公共子串构成新的公共子串;要么就是不构成公共子串。故状态转移方程
- 我们使用
状态转移方程为:
X[i-1] == Y[j-1],c[i,j] = c[i-1,j-1] + 1;
X[i-1] != Y[j-1],c[i,j] = 0;
Java实现:
public class LRC最长公共子串 { public static void main(String[] args) { Scanner sc = new Scanner(System.in); char []s1=sc.nextLine().trim().toCharArray(); char []s2=sc.nextLine().trim().toCharArray(); sc.close(); int[][]c=new int[s1.length+1][s2.length+1]; int maxlen=0; for(int i=1;i<=s1.length;i++){ for(int j=1;j<=s2.length;j++){ if(s1[i-1]==s2[j-1]){ c[i][j]=c[i-1][j-1]+1; //从c[i][j]位置保存了当前最长子串长度信息; maxlen=Math.max(maxlen,c[i][j]); } } } System.out.println("生成的动态规划表为:"); for(int[]tem:c){ System.out.println(Arrays.toString(tem)); } System.out.println("最长子串为:"+maxlen); } }
三:LIS(非连续最长递增公共子序列)O(n^2)实现
问题:问题描述:找出一个n个数的序列的最长单调递增子序列: 比如A = {5,6,7,1,2,8}
的LIS是5,6,7,8
DP分析:时间复杂度 O(n^2)
dp[i]表示以i位置结尾的递增序列的最大长度; dp[i]= |--- 0 if i=0; |--- Max(dp[j])+1 if s[i]>s[j] forall j<i; |--- 否则不必更新dp[i];dp[j]表示已j位置结尾的递增序列的最大长度;
Java实现:
public class LIS最长递增子序列 { public static void main(String[] args) { Scanner sc = new Scanner(System.in); String[]tem=sc.nextLine().trim().split(" "); int[]s=new int[tem.length]; for (int i=0;i<s.length;i++){ s[i]=Integer.valueOf(tem[i]); } int maxlen=0; int bestEnd=0;//保存最长递增子序列的结尾; int[] dp=new int[s.length];//DP数组; int[] pre=new int[s.length];//保存最长递增子序列的编号; dp[0]=1; pre[0]=-1; for(int i=1;i<dp.length;i++){ for(int j=0;j<i;j++){ if(dp[j]+1>dp[i]&&s[i]>s[j]){ dp[i]=dp[j]+1; pre[i]=j;//i 的前一位是 j; } } if(dp[i]>maxlen){ maxlen=dp[i]; bestEnd=i; } } System.out.println("动态规划数组为:"+ Arrays.toString(dp)); StringBuilder sb=new StringBuilder(); while(bestEnd>=0){ sb.append(s[bestEnd]); bestEnd=pre[bestEnd]; } System.out.println("最长的递增子序列为:"); System.out.println(sb.reverse().toString()); } }
四:LIS(非连续最长递增公共子序列) O(nlogn)实现
DP分析:O(nlogn)
- 1.
arr[i] > MaxV[nMaxLength]
, 将arr[i]
插入到MaxV[++nMaxLength]
的末尾 -- 意味着我们找到了一个新的最大LIS - 2.
arr[i] <= MaxV[nMaxLength]
, 找到MaxV[]
中刚刚大于arr[i]
的元素,arr[j]
.arr[i]替换arr[j]
因为MaxV是一个有序数组,查找过程可以使用log(N)
的折半查找。
这样运行时间:n
个整数和每个都需要折半查找 --n*logn = O(nlogn)
Java实现:
public class LIS最长递增子序列nlogn的解法 { public static void main(String[] args) { Scanner scanner=new Scanner(System.in); //输入自定义数组arr的大小; int n= scanner.nextInt(); // int []arr={11, 21, 6, 4, 29, 4, 20, 22, 8, 6}; int[]arr=new int[n];Random random=new Random(); //生成arr数组; for(int i=0;i<arr.length;i++){arr[i]=random.nextInt(31);} System.out.println("arr:"+Arrays.toString(arr)); int []maxV=new int[arr.length];//保存递增子序列; int []LIS=new int[arr.length]; // LIS[i]表示以arr[i]结尾的最长递增子序列的长度; maxV[0]=arr[0]; LIS[0]=1; int len=0; int maxLen=1; for(int i=1;i<arr.length;i++){ if(arr[i]>maxV[len]){ maxV[++len]=arr[i]; LIS[i]=len+1; maxLen=Math.max(maxLen,len+1); }else{ int index=binChange(maxV,arr[i],0,len); maxV[index]=arr[i]; LIS[i]=index+1; } } System.out.println("LIS:"+Arrays.toString(LIS)); System.out.println("最长LIS为:"+maxLen); //以下为:输出其中的一个递增子字符串: Stack<Integer>stack=new Stack<>(); for(int i=LIS.length-1;i>=0&&maxLen>0;i--){ if(LIS[i]==maxLen){ stack.push(arr[i]); maxLen--; } } while (!stack.isEmpty()){ System.out.print(stack.pop()+" "); } } private static int binChange(int[] maxV, int tem, int str, int end) { while(str<end){ int mid=str+(end-str)/2; if(maxV[mid]==tem){ return mid; }else if(maxV[mid]>tem){ end=mid;//mid有可能是待寻找的位置; }else{ str=mid+1; } } return str; } }