標籤:

演算法導論學習之最長迴文子序列

演算法導論學習之最長迴文子序列

本問題是《演算法導論》第15章的思考題15-2(Longest Palindromic Subsequence)

最長迴文子序列LPS問題描述如下:一個字元串有許多子序列,可以通過刪除某些字元而變成迴文字元串,字元串「cabbeaf」,刪掉『c』、e、『f』後剩下的子串「abba」就是迴文字元串,也是其中最長的迴文子序列。在一個給定的字元串中,找到最長的迴文子序列,並且返回這個子序列,這就是最長迴文子序列LPS問題。注意和最長迴文子串的區別,最長迴文子串必須是連續的,這裡的最長迴文子序列,可以是不連續的。

思路描述如下:

方法一:動態規劃

假設str[0...n-1]是給定的字元串序列,長度為n,假設表示序列str[0...n-1]的最長迴文子序列的長度。

分為兩種情況考慮:

1.如果str的最後一個元素和第一個元素是相同的,則有:lps(0,n-1)=lps(1,n-1)+2例如字元串序列「AABACACBA」,第一個元素和最後一個元素相同,其中lps(1,n-2)表示加粗部分的最長迴文子序列的長度;

2.如果str的最後一個元素和第一個元素是不相同的,則有:

lps(0,n-1)=max(lps(1,n-1),lps(0,n-2)) 例如字元串序列「ABACACB」,其中表示去掉第一元素的子序列,表示去掉最後一個元素的子序列。DP採用兩重循環,第一重循環枚舉區間長度,從1到n-1。第二重循環枚舉要考察的區間起點,從0到n-i。於是,我們有如下DP:

演算法時間複雜度O(n^{2} ),空間複雜度O(n^{2} )。

代碼:

//動態規劃求解最長迴文子序列,時間複雜度為O(n^2) int lpsDp(char *str, int n) { int dp[10][10], tmp; memset(dp, 0, sizeof(dp)); for (int i = 0; i < n; ++i) dp[i][i] = 1; for (int i = 1; i < n; ++i) { tmp = 0; //考慮所有連續的長度為i+1的子串,str[j....j+i] for (int j = 0; j + i < n; j++) { //如果首尾相同 if (str[j] == str[j + i]) tmp = dp[j + 1][j + i - 1] + 2; //如果首尾不同 else tmp = max(dp[j + 1][j + i], dp[j][j + i - 1]); dp[j][j + i] = tmp; } } return dp[0][n - 1]; //返回字元串str[0...n-1]的最長迴文子序列長度 }

輸出方法:

如上圖所示,cabbeaf經過DP處理之後得到的dp數組各值,我們輸出的時候只需要掃描兩行即dp[0][k]和dp[k][n-1],只要發現dp[0][k]與dp[0][k-1]不相等,那麼s[k]就是一個需要的字元,標記一下就可以輸出了。

方法二:轉化為LCS

該問題可以轉化為最長公共子序列問題(Longest Common Subsequence)兩者的處理方法一致。

將原字元串a倒序存入字元串b中,接著對a,b跑LCS即可。

時間和空間複雜度不變,均為O(n2)

第一次寫知乎專欄,感覺插入公式特別麻煩,公式還不能複製,還Word好用。

代碼怎麼高亮呀,老哥們教教我。


推薦閱讀:

LeetCode 451. Sort Characters By Frequency
演算法圖解
天干地支推演算法
K近鄰演算法(內附Kd-tree視頻演示)
機器人解密:從「最大回撤」看風險控制

TAG:演算法 |