python 回溯法 子集树模板 系列 —— 14、最长公共子序列(LCS)

简介: 问题输入第1行:字符串A第2行:字符串B(A,B的长度

问题

输入

第1行:字符串A
第2行:字符串B
(A,B的长度 <= 1000)

输出

输出最长的子序列,如果有多个,随意输出1个。

输入示例

belong
cnblogs

输出示例

blog

分析

既然打算套用回溯法子集树模板,那就要祭出元素-状态空间分析大法。

以长度较小的字符串中的字符作为元素,以长度较大的字符串中的字符作为状态空间,对每一个元素,遍历它的状态空间,其它的事情交给剪枝函数!!!

解x的长度不固定,xi表示字符串b中的序号。

在处理每一个元素时,如果没有一个状态被选择(cnblogs中没一个字符被选取),那么程序无法去往下一个元素

这确实是个不小的麻烦!!!思考了一天,终于想出办法了:扩充状态空间,增加一个状态q!如果元素选取了状态q,它是合法的。但是,状态q不加入解x内!!!

看一个直观的图:
img_25da8190f7c844624700a3b037ec2cde.jpg

至此,enjoy it!

代码


'''最长公共子序列'''

# 作者:hhh5460
# 时间:2017年6月3日

a = 'belong'
b = 'cnblogs'

x = []   # 一个解(长度不固定)xi是b中字符的序号
X = []   # 一组解

best_x = [] # 最佳解
best_len = 0 # 最大子序列长度


# 冲突检测
def conflict(k):
    global n, x, X, a,b,best_len
    
    # 如果两个字符不相等
    if x[-1] < len(b) and a[k] != b[x[-1]]:
        return True
        
    # 如果两个字符相等,但是相对于前一个在b中的位置靠前
    if a[k] == b[x[-1]] and (len(x) >= 2 and x[-1] <= x[-2]):
        return True
        
    # 如果部分解的长度加上后面a剩下的长度,小于等于best_len
    if len(x) + (len(a)-k) < best_len:
        return True
    
    return False # 无冲突

    
# 回溯法(递归版本)
def LCS(k): # 到达a中的第k个元素
    global x, X,a,b,best_len,best_x
    #print(k, x)
    if k == len(a):  # 超出最尾的元素
        if len(x) > best_len:
            best_len = len(x)
            best_x = x[:]
    else:
        for i in range(len(b)+1): # 遍历 状态空间:0~len(b)-1,技巧:人为增加一种状态len(b),表示改行没有元素选取
            if i==len(b): # 此状态不放入解x内
                LCS(k+1)
            else:
                x.append(i)
                if not conflict(k): # 剪枝
                    LCS(k+1)
                x.pop()              # 回溯


# 根据一个解x,构造最长子序列lcs
def get_lcs(x):
    global b
    
    return ''.join([b[i] for i in x])

# 测试
LCS(0)
print(b)
print(best_x)
print(get_lcs(best_x))

效果图

img_2f0223e1d251923d1e210f951a9fa7ac.jpg

目录
相关文章
|
人工智能 算法 C++
Algorithm:C++/python语言实现之求旋转数组最小值、求零子数组、求最长公共子序列和最长公共子串、求LCS与字符串编辑距离(一)
Algorithm:C++/python语言实现之求旋转数组最小值、求零子数组、求最长公共子序列和最长公共子串、求LCS与字符串编辑距离
Algorithm:C++/python语言实现之求旋转数组最小值、求零子数组、求最长公共子序列和最长公共子串、求LCS与字符串编辑距离(一)
|
算法 程序员 C++
Algorithm:C++/python语言实现之求旋转数组最小值、求零子数组、求最长公共子序列和最长公共子串、求LCS与字符串编辑距离(二)
Algorithm:C++/python语言实现之求旋转数组最小值、求零子数组、求最长公共子序列和最长公共子串、求LCS与字符串编辑距离
|
3月前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
287 102
|
3月前
|
数据采集 机器学习/深度学习 算法框架/工具
Python:现代编程的瑞士军刀
Python:现代编程的瑞士军刀
314 104
|
3月前
|
人工智能 自然语言处理 算法框架/工具
Python:现代编程的首选语言
Python:现代编程的首选语言
260 103
|
3月前
|
机器学习/深度学习 人工智能 数据挖掘
Python:现代编程的首选语言
Python:现代编程的首选语言
193 82
|
2月前
|
Python
Python编程:运算符详解
本文全面详解Python各类运算符,涵盖算术、比较、逻辑、赋值、位、身份、成员运算符及优先级规则,结合实例代码与运行结果,助你深入掌握Python运算符的使用方法与应用场景。
179 3
|
2月前
|
数据处理 Python
Python编程:类型转换与输入输出
本教程介绍Python中输入输出与类型转换的基础知识,涵盖input()和print()的使用,int()、float()等类型转换方法,并通过综合示例演示数据处理、错误处理及格式化输出,助你掌握核心编程技能。
420 3
|
2月前
|
并行计算 安全 计算机视觉
Python多进程编程:用multiprocessing突破GIL限制
Python中GIL限制多线程性能,尤其在CPU密集型任务中。`multiprocessing`模块通过创建独立进程,绕过GIL,实现真正的并行计算。它支持进程池、队列、管道、共享内存和同步机制,适用于科学计算、图像处理等场景。相比多线程,多进程更适合利用多核优势,虽有较高内存开销,但能显著提升性能。合理使用进程池与通信机制,可最大化效率。
264 3
|
2月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
260 0

推荐镜像

更多