zoukankan      html  css  js  c++  java
  • 最长公共递增子序列(LCIS)

    最长公共递增子序列(LCIS)

    给定两个字符串,除了会求最长公共子序列(LCS),会求最长递增子序列(LIS),还要会求最长公共递增子序列(LCIS)

    题目描述:

    熊大妈的奶牛在小沐沐的熏陶下开始研究信息题目。小沐沐先让奶牛研究了最长上升子序列,再让他们研究了最长公共子序列,现在又让他们要研究最长公共上升子序列了。
    小沐沐说,对于两个串A,B,如果它们都包含一段位置不一定连续的数字,且数字是严格递增的,那么称这一段数字是两个串的公共上升子串,而所有的公共上升子串中最长的就是最长公共上升子串了。
    奶牛半懂不懂,小沐沐要你来告诉奶牛什么是最长公共上升子串。不过,只要告诉奶牛它的长度就可以了。 

    最长公共上升子序列(LCIS)的O(n^2)算法解析(转)

    预备知识:动态规划的基本思想,LCS,LIS。

    问题:

      字符串a,字符串b,求a和b的LCIS(最长公共上升子序列)。

      首先我们可以看到,这个问题具有相当多的重叠子问题。于是我们想到用DP搞。DP的首要任务是什么?定义状态。

      1定义状态F[i][j]表示以a串的前i个字符b串的前j个字符且以b[j]为结尾构成的LCIS的长度。

      为什么是这个而不是其他的状态定义?最重要的原因是我只会这个,还有一个原因是我知道这个定义能搞到平方的算法。而我这只会这个的原因是,这个状态定义实在是太好用了。这一点我后面再说。

      我们来考察一下这个这个状态。思考这个状态能转移到哪些状态似乎有些棘手,如果把思路逆转一下,考察这个状态的最优值依赖于哪些状态,就容易许多了。这个状态依赖于哪些状态呢?

      首先,在a[i]!=b[j]的时候有F[i][j]=F[i-1][j]。为什么呢?因为F[i][j]是以b[j]为结尾的LCIS,如果F[i][j]>0那么就说明a[1]..a[i]中必然有一个字符a[k]等于b[j](如果F[i][j]等于0呢?那赋值与否都没有什么影响了)。因为a[k]!=a[i],那么a[i]对F[i][j]没有贡献,于是我们不考虑它照样能得出F[i][j]的最优值。所以在a[i]!=b[j]的情况下必然有F[i][j]=F[i-1][j]。这一点参考LCS的处理方法。

      那如果a[i]==b[j]呢?首先,这个等于起码保证了长度为1的LCIS。然后我们还需要去找一个最长的且能让b[j]接在其末尾的LCIS。之前最长的LCIS在哪呢?首先我们要去找的F数组的第一维必然是i-1。因为i已经拿去和b[j]配对去了,不能用了。并且也不能是i-2,因为i-1必然比i-2更优。第二维呢?那就需要枚举b[1]..b[j-1]了,因为你不知道这里面哪个最长且哪个小于b[j]。这里还有一个问题,可不可能不配对呢?也就是在a[i]==b[j]的情况下,需不需要考虑F[i][j]=F[i-1][j]的决策呢?答案是不需要。因为如果b[j]不和a[i]配对,那就是和之前的a[1]..a[j-1]配对(假设F[i-1][j]>0,等于0不考虑),这样必然没有和a[i]配对优越。(为什么必然呢?因为b[j]和a[i]配对之后的转移是max(F[i-1][k])+1,而和之前的i`配对则是max(F[i`-1][k])+1。显然有F[i][j]>F[i`][j],i`>i)

    于是我们得出了状态转移方程:

    a[i]!=b[j]:   F[i][j]=F[i-1][j]

    a[i]==b[j]:   F[i][j]=max(F[i-1][k])+1 1<=k<=j-1&&b[j]>b[k]

    不难看到,这是一个时间复杂度为O(n^3)的DP,离平方还有一段距离。

    但是,这个算法最关键的是,如果按照一个合理的递推顺序,max(F[i-1][k])的值我们可以在之前访问F[i][k]的时候通过维护更新一个max变量得到。怎么得到呢?首先递推的顺序必须是状态的第一维在外层循环,第二维在内层循环。也就是算好了F[1][len(b)]再去算F[2][1]。

    如果按照这个递推顺序我们可以在每次外层循环的开始加上令一个max变量为0,然后开始内层循环。当a[i]>b[j]的时候令max=F[i-1][j]。如果循环到了a[i]==b[j]的时候,则令F[i][j]=max+1。

    最后答案是F[len(a)][1]..F[len(a)][len(b)]的最大值。

     代码一: O(n^3) 算法

    View Code
     1 #include <cstdio>
     2 #include <iostream>
     3 
     4 using namespace std;
     5 
     6 char s1[1000], s2[1000];
     7 int dp[1000][1000];
     8 
     9 int Lcis()
    10 {
    11     memset(dp, 0, sizeof(dp));
    12     int len1 = strlen(s1+1);
    13     int len2 = strlen(s2+1);
    14     for(int i = 1; i <= len1; ++i)
    15     {
    16         for(int j = 1; j <= len2; ++j)
    17         {
    18             if(s1[i] != s2[j])
    19                 dp[i][j] = dp[i-1][j];
    20             else           //s1[i-1] == s2[j-1]
    21             {
    22                 for(int k = 0; k < j; ++k)
    23                 {    
    24                     if(s2[j]>s2[k] && dp[i-1][k]+1>dp[i][j])
    25                         dp[i][j] = dp[i-1][k] + 1;
    26                 }
    27             }
    28         }
    29     }
    30     int max = 0;
    31     for(i = 1; i <= len2; ++i)
    32     {
    33         //printf("%d ", dp[len1][i]);
    34         if(max < dp[len1][i])
    35             max = dp[len1][i];
    36     }
    37     return max;
    38 }
    39 
    40 int main()
    41 {
    42     int T;
    43     //freopen("input.txt", "r", stdin);
    44     scanf("%d", &T);
    45     while(T--)
    46     {
    47         scanf("%s%s", s1+1, s2+1);
    48         printf("%d\n", Lcis());
    49     }
    50     return 0;
    51 }

    代码二: O(n^2) 算法

    View Code
     1 #include <cstdio>
     2 #include <iostream>
     3 
     4 using namespace std;
     5 
     6 char s1[1000], s2[1000];
     7 int dp[1000][1000];
     8 
     9 int Lcis()
    10 {
    11     memset(dp, 0, sizeof(dp));
    12     int max = 0;
    13     int len1 = strlen(s1+1);
    14     int len2 = strlen(s2+1);
    15     for(int i = 1; i <= len1; ++i)
    16     {
    17         max = 0; 
    18         for(int j = 1; j <= len2; ++j)
    19         {
    20             dp[i][j] = dp[i-1][j];  // 首先把dp[i][j]等于dp[i-1][j]
    21             if(s1[i] > s2[j] && max<dp[i-1][j])// 如果s1[i]!=s2[j]则对于dp[i][j]没有任何影响,只需更新max   
    22                 max = dp[i-1][j];
    23             if(s1[i] == s2[j])
    24                 dp[i][j] = max + 1;
    25         }
    26     }
    27     max = 0;
    28     for(int i = 1; i <= len2; ++i)
    29     {
    30         if(max < dp[len1][i])
    31             max = dp[len1][i];
    32     }
    33     return max;
    34 }
    35 
    36 int main()
    37 {
    38     int T;
    39     //freopen("input.txt", "r", stdin);
    40     scanf("%d", &T);
    41     while(T--)
    42     {
    43         scanf("%s%s", s1+1, s2+1);
    44         printf("%d\n", Lcis());
    45     }
    46     return 0;
    47 }

      其实还有一个很风骚的一维的算法。在此基础上压掉了一维空间(时间还是平方)。i循环到x的时候,F[i]表示原来F[x][j]。之所以可以这样,是因为如果a[i]!=b[j],因为F[x][j]=F[x-1][j]值不变,F[x]不用改变,沿用过去的就好了,和这个比较维护更新得到的max值依然是我们要的。而a[i]==b[j]的时候,就改变F[x]的值好了。具体结合代码理解

    代码三: O(n^2) 算法空间优化

    View Code
     1 #include <cstdio>
     2 #include <iostream>
     3 
     4 using namespace std;
     5 
     6 char s1[1000], s2[1000];
     7 int dp[1000];
     8 
     9 int Lcis()
    10 {
    11     memset(dp, 0, sizeof(dp));
    12     int max = 0;
    13     int len1 = strlen(s1+1);
    14     int len2 = strlen(s2+1);
    15     for(int i = 1; i <= len1; ++i)
    16     {
    17         max = 0; 
    18         for(int j = 1; j <= len2; ++j)
    19         {
    20             if(s1[i] > s2[j] && max<dp[j])// 如果s1[i]!=s2[j]则对于dp[i][j]没有任何影响,只需更新max   
    21                 max = dp[j];
    22             if(s1[i] == s2[j])
    23                 dp[j] = max + 1;
    24         }
    25     }
    26     max = 0;
    27     for(int i = 1; i <= len2; ++i)
    28     {
    29         if(max < dp[i])
    30             max = dp[i];
    31     }
    32     return max;
    33 }
    34 
    35 int main()
    36 {
    37     int T;
    38     //freopen("input.txt", "r", stdin);
    39     scanf("%d", &T);
    40     while(T--)
    41     {
    42         scanf("%s%s", s1+1, s2+1);
    43         printf("%d\n", Lcis());
    44     }
    45     return 0;
    46 }
  • 相关阅读:
    .NET Core依赖注入集成Dynamic Proxy
    MediatR-进程内的消息通信框架
    03-EF Core笔记之查询数据
    02-EF Core笔记之保存数据
    01-EF Core笔记之创建模型
    EF Core 基础知识
    CQRS+ES项目解析-Equinox
    CQRS+ES项目解析-Diary.CQRS
    不要让事实妨碍好故事:Facebook精准广告产品与硅谷创业揭秘,4星奇书《混乱的猴子》
    会讲故事的前物理学家万维钢解读、推荐过的书24本,好书一半
  • 原文地址:https://www.cnblogs.com/dongsheng/p/3031501.html
Copyright © 2011-2022 走看看