动态规划——最长公共上升子序列LCIS
2015-09-30 14:02
357 查看
问题
给定两个序列A和B,序列的子序列是指按照索引逐渐增加的顺序,从原序列中取出若干个数形成的一个子集,若子序列的数值大小是逐渐递增的则为上升子序列,若A和B取出的两个子序列A1和B1是相同的,则A1/B1为A和B的公共子序列。求出A和B的最长公共上升子序列。
分析
结合最长公共子序列和最长上升子序列来解决这个问题,定义状态dp[i][j]表示A串中前i个字符和B串中前j个字符且以B[j]为结尾的最长公共上升子序列的长度。则有状态转移方程:【在进行动态规划状态的设计的时候,要简单、详尽的描述状态信息】
实现
给定两个序列A和B,序列的子序列是指按照索引逐渐增加的顺序,从原序列中取出若干个数形成的一个子集,若子序列的数值大小是逐渐递增的则为上升子序列,若A和B取出的两个子序列A1和B1是相同的,则A1/B1为A和B的公共子序列。求出A和B的最长公共上升子序列。
分析
结合最长公共子序列和最长上升子序列来解决这个问题,定义状态dp[i][j]表示A串中前i个字符和B串中前j个字符且以B[j]为结尾的最长公共上升子序列的长度。则有状态转移方程:【在进行动态规划状态的设计的时候,要简单、详尽的描述状态信息】
if (A[i] != B[j]) dp[i][j] = dp[i-1][j]; else dp[i][j] = max(dp[i-1][k]) + 1; (1 <= k <= j - 1 && B[j] > B[k])
实现
for(int i = 1; i <= n; i ++){ int maxn = 0; for(int j = 1; j <= m; j ++){ if(A[i]!=B[j]) dp[i][j] = dp[i-1][j]; if(A[i] > B[j]) maxn = max(maxn, dp[i-1][j]); if(A[i] == B[j]) dp[i][j] = maxn + 1; } } int mm = 0; for(int i = 1;i <= m; i ++) mm = max(mm, dp [i]);
相关文章推荐
- CentOS7 本地yum源配置,ifconfig不显示IP问题
- 移植uboot-2015-10(一)
- 黑马程序员————Java集合详解剖析
- ajax 无刷新 显示
- 【Loadrunner】将乱码转译为中文方法
- Access restriction: The method encode(byte[]) from the type CharacterEncoder,Access restriction: Th
- iOS 8 自动布局sizeclass和autolayout的使用
- Python3的一些用法
- TCP状态迁移,CLOSE_WAIT & FIN_WAIT2 的问题
- 敏感词过滤
- [LeetCode 174] Dungeon Game
- JAVA学习
- 华为P7如何官方解锁
- hive中的全排序
- 如何更好地理解和使用Github
- Android Studio 中ADB WIFI 插件的使用
- mysql查看和删除唯一索引
- 【Python3】error: Microsoft Visual C++ 10.0 is required 错误解决办法
- linux argument list too long的解决办法
- 从图片中的一点取色