2 Sequences DP - Longest Common Subsequence

http://www.lintcode.com/en/problem/longest-common-subsequence/
http://www.jiuzhang.com/solutions/longest-common-subsequence/

  • 状态定义:dp[i][j] 为 str2 前 i 个字符,对应 str1 前 j 个字符,所产生的 longest common sequence size
  • 状态转移方程:
dp[i][j] = dp[i - 1][j - 1] if str2[i] == str1[j]
dp[i][j] = max(dp[i - 1][j, dp[i]][j - 1]) if str2[i] != str1[j]
  • 初始化:
dp[0][j] 为 0;dp[i][0] 为 0; 
int[][] dp = new int[len2 + 1][len1 + 1];
  • 循环体:双循环
  • 返回 target:dp[len1][len2]

From 九章:
state: f[i][j]表示前i个字符配上前j个字符的LCS的长度 function: f[i][j] = f[i-1][j-1] + 1 // a[i] == b[j]
= MAX(f[i-1][j], f[i][j-1]) // a[i] != b[j]
intialize: f[i][0] = 0, f[0][j] = 0
answer: f[a.length()][b.length()]

public int longestCommonSubsequence(String A, String B) {
    int n = A.length();
    int m = B.length();
    int f[][] = new int[n + 1][m + 1];
    for(int i = 1; i <= n; i++){
        for(int j = 1; j <= m; j++){
            f[i][j] = Math.max(f[i - 1][j], f[i][j - 1]);
            if(A.charAt(i - 1) == B.charAt(j - 1))
                f[i][j] = f[i - 1][j - 1] + 1;
        }
    }
    return f[n][m];
}
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • 动态规划(Dynamic Programming) 本文包括: 动态规划定义 状态转移方程 动态规划算法步骤 最长...
    廖少少阅读 3,365评论 0 18
  • 背景 一年多以前我在知乎上答了有关LeetCode的问题, 分享了一些自己做题目的经验。 张土汪:刷leetcod...
    土汪阅读 12,788评论 0 33
  • 动态规划专题 1.triangle 用分治法 记忆化搜索 本质上:动态规划动态规划就是解决了重复计算的搜索动态规划...
    陆号阅读 264评论 0 1
  • 这是我们最初相遇他们穿的衣服,EXO,12个少年,意气风发。第一次见到他们是13年暑假的快乐大本营,原因我现在还记...
    伯爵的猫夏夏阅读 202评论 0 0
  • 入院第二天,一早开始各种检查,抽血,大小便化验,等做完这些,肚子饿了,想下楼去吃饭,老公正好出现在电梯口,昨晚约定...
    A卧雪眠云阅读 197评论 0 1