最长公共子序列-动态规划-python

简介: 最长公共子序列-动态规划-python

题目描述


给定一个长度为 N 数组 a 和一个长度为 M 的数组 b。

请你求出它们的最长公共子序列长度为多少。


输入描述


输入第一行包含两个整数 N,M,分别表示数组 a 和 b 的长度。

第二行包含 N 个整数 a1,a2,...,an。

第三行包含 M 个整数 b1,b2,...,bn。

1≤N,M≤10^3,1≤ai,bi≤10^9。


输出描述


输出一行整数表示答案。


输入输出样例


示例 1

输入

1. 5 6
2. 1 2 3 4 5
3. 2 3 2 1 4 5

输出

4

运行限制


  • 最大运行时间:1s
  • 最大运行内存: 128M

这里有大佬讲解的思路具体讲解

思路


我们先介绍概念:


最长公共子序列(Longest Common Subsequence,LCS):一个给定序列的子序列,是在该序列中删去若干元素后得到的序列。

给定两个序列X和Y,当另一序列Z既是X的子序列又是Y的子序列时,称Z是序列X和Y的公共子序列。最长公共子序列是长度最长的子序列。


具体做法:


我们用dp[i][j]表示A序列的前i个值和B序列前j个值得最长公共子序列得个数,通过状态转移方程,最终得到的dp[n][m]就是我们所求得解

状态转移方程:

  1. 当ai=bj 时,已求得 Ai−1 和Bj−1 的最长公共子序列,在其尾部加上 ai 或 bj 即可得到 Ai 和 Bj 的最长公共子序列。状态转移方程是:dp[i][j] = dp[i-1][j-1] + 1
  2. 当 ai!=bj 时,求解两个子问题:Ai−1 和 Bj 的最长公共子序列;Ai 和 Bj−1 的最长公共子序列。取其中的最大值,状态转移方程是:dp[i][j] = max(dp[i-1][j] + dp[i][j-1])

依据状态转移方程,我们就可轻松得到最终的结果了。

注意,我们的dp表中第零行和零列的值都为零,意思是空和序列的公共子序列为零,因为这一点,所以我们也要给输入的字符串前面加0占位。


代码


1. n,m=map(int,input().split())
2. a=[0]
3. b=[0]
4. a+=list(map(int,input().split()))
5. b+=list(map(int,input().split()))
6. num=1000
7. dp=[[0]*num for _ in range(num)]
8. for i in range(1,n+1):
9. for j in range(1,m+1):
10. if a[i]==b[j]:
11.             dp[i][j]=dp[i-1][j-1]+1
12. else:
13.             dp[i][j]=max(dp[i-1][j],dp[i][j-1])
14. print(dp[n][m])
目录
相关文章
|
6月前
|
算法 开发者 Python
惊呆了!Python算法设计与分析,分治法、贪心、动态规划...这些你都会了吗?不会?那还不快来学!
【7月更文挑战第10天】探索编程巅峰,算法至关重要。Python以其易读性成为学习算法的首选。分治法,如归并排序,将大问题拆解;贪心算法,如找零问题,每步求局部最优;动态规划,如斐波那契数列,利用子问题解。通过示例代码,理解并掌握这些算法,提升编程技能,面对挑战更加从容。动手实践,体验算法的神奇力量吧!
78 8
|
6月前
|
算法 Python
算法不再难!Python分治法、贪心、动态规划实战解析,轻松应对各种算法挑战!
【7月更文挑战第8天】掌握Python算法三剑客:分治、贪心、动态规划。分治如归并排序,将大问题拆解递归解决;贪心策略在每步选最优解,如高效找零;动态规划利用子问题解,避免重复计算,解决最长公共子序列问题。实例展示,助你轻松驾驭算法!**
78 3
|
2月前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
64 2
|
3月前
|
存储 算法 Python
【10月更文挑战第16天】「Mac上学Python 27」小学奥数篇13 - 动态规划入门
本篇将通过 Python 和 Cangjie 双语介绍动态规划的基本概念,并解决一个经典问题:斐波那契数列。学生将学习如何使用动态规划优化递归计算,并掌握编程中的重要算法思想。
113 3
|
6月前
|
算法 Python
Python算法高手进阶指南:分治法、贪心算法、动态规划,掌握它们,算法难题迎刃而解!
【7月更文挑战第10天】探索Python算法的精华:分治法(如归并排序)、贪心策略(如找零钱问题)和动态规划(解复杂问题)。通过示例代码揭示它们如何优化问题解决,提升编程技能。掌握这些策略,攀登技术巅峰。
151 2
|
6月前
|
算法 程序员 Python
算法小白到大神的蜕变之路:Python分治法、贪心、动态规划,一步步带你走向算法巅峰!
【7月更文挑战第9天】探索算法之旅,以Python解锁编程高手之路。分治法如二分查找,将复杂问题拆解;贪心算法解决活动选择,每次选取局部最优;动态规划求斐波那契数列,避免重复计算,实现全局最优。每一步学习,都是编程能力的升华,助你应对复杂挑战,迈向算法大师!
52 1
|
6月前
|
存储 算法 Python
Python算法界的秘密武器:分治法巧解难题,贪心算法快速决策,动态规划优化未来!
【7月更文挑战第9天】Python中的分治、贪心和动态规划是三大关键算法。分治法将大问题分解为小问题求解,如归并排序;贪心算法每步选局部最优解,不保证全局最优,如找零钱;动态规划存储子问题解求全局最优,如斐波那契数列。选择合适算法能提升编程效率。
76 1
|
6月前
|
存储 算法 Python
震撼!Python算法设计与分析,分治法、贪心、动态规划...这些经典算法如何改变你的编程世界!
【7月更文挑战第9天】在Python的算法天地,分治、贪心、动态规划三巨头揭示了解题的智慧。分治如归并排序,将大问题拆解为小部分解决;贪心算法以局部最优求全局,如Prim的最小生成树;动态规划通过存储子问题解避免重复计算,如斐波那契数列。掌握这些,将重塑你的编程思维,点亮技术之路。
84 1
|
6月前
|
存储 算法 大数据
Python算法高手的必修课:深入理解分治法、贪心算法、动态规划,让你的代码更智能!
【7月更文挑战第9天】在Python算法学习中,分治法(如归并排序)将大问题分解为小部分递归解决;贪心算法(如货币找零)在每步选择局部最优解尝试达到全局最优;动态规划(如斐波那契数列)通过存储子问题解避免重复计算,解决重叠子问题。掌握这三种方法能提升代码效率,解决复杂问题。
60 1
|
6月前
|
算法 索引 Python
逆袭算法界!Python分治法、贪心算法、动态规划深度剖析,带你走出算法迷宫!
【7月更文挑战第8天】分治法,如快速排序,将大问题分解并合并解;贪心算法,选择局部最优解,如活动选择;动态规划,利用最优子结构避免重复计算,如斐波那契数列。Python示例展示这些算法如何解决实际问题,助你精通算法,勇闯迷宫。
54 1