最长公共子串-不建立dp数组(空间复杂度为O(1))
2016-04-09 16:13
411 查看
题目:给定两个字符串str1,str2,返回两个子字符串的最长公共子串。
例:
输入:str1=”1AB2345CD” str2=”12345EF”,返回”2345”。
这里我不仅不使用dp,并且还要返回路径。
思路:如果我们使用经典动态规划的方法可以做到时间复杂度为O(MXN),额外空间复杂度为O(MXN),经过优化之后的实现可以把额外空间复杂度从O(MXN)降至O(1)。
解法一:动态规划表dp。
生成一个dp[M]
的数组。
dp[i][j]的含义:这里要注意!!!不是在str1[0…i]和str2[0…j]之间的最大公共子串长度!!!。而是我们必须把str1[i]和str2[j]当作最长公共字符串最后一个字符的情况下比如str1=”A1234B”,str2=”CD1234”,dp[3][4]的含义在str1的’3’和str2的’3’当作公共子串最后一个字符的情况下,这种情况就是“123”。所以dp[3][4]为3。再举个例子str1=”A12E4B”,str2=”“CD12F4“,dp[3][4]就是把str1的’E’和str2的’F’当作公共子串最后一个。 这种情况就没有公共子串,所以dp[3][4]为0。介绍了dp[i][j]的意思后,接下来介绍dp[i][j]怎么求。
求法:
dp[i][j]取值有两种情况:
str[i]!=str2[j],这个时候dp[i][j]=0。
str[i]==str2[j],说明str1[i]和[j]可以作为公共子串的最后一个字符,从最后一个字符向左扩大宽度也就得到了dp[i][j]=dp[i-1][j-1]+1。
dp获得了之后,得到最长公共子序列就轻松了。首先找到我们最大的dp是谁然后就把他从那个位置向左裁剪。
代码如下:
解法2:经典动态规划的方法需要大小为MXN的dp矩阵,这里我们可以缩减至O(1),这里我们计算每一个dp[i][j]的时候,最多只需要左上方dp[i-1][j-1]的值,所以按照斜线方向来计算所有的值,只需要一个变量就可以了。而斜线的初始变量为第一行和第一列的初始值。我们这里也会使用Max来记录最大值,并且用end记录最大值出现的末尾。代码如下:
例:
输入:str1=”1AB2345CD” str2=”12345EF”,返回”2345”。
这里我不仅不使用dp,并且还要返回路径。
思路:如果我们使用经典动态规划的方法可以做到时间复杂度为O(MXN),额外空间复杂度为O(MXN),经过优化之后的实现可以把额外空间复杂度从O(MXN)降至O(1)。
解法一:动态规划表dp。
生成一个dp[M]
的数组。
dp[i][j]的含义:这里要注意!!!不是在str1[0…i]和str2[0…j]之间的最大公共子串长度!!!。而是我们必须把str1[i]和str2[j]当作最长公共字符串最后一个字符的情况下比如str1=”A1234B”,str2=”CD1234”,dp[3][4]的含义在str1的’3’和str2的’3’当作公共子串最后一个字符的情况下,这种情况就是“123”。所以dp[3][4]为3。再举个例子str1=”A12E4B”,str2=”“CD12F4“,dp[3][4]就是把str1的’E’和str2的’F’当作公共子串最后一个。 这种情况就没有公共子串,所以dp[3][4]为0。介绍了dp[i][j]的意思后,接下来介绍dp[i][j]怎么求。
求法:
dp[i][j]取值有两种情况:
str[i]!=str2[j],这个时候dp[i][j]=0。
str[i]==str2[j],说明str1[i]和[j]可以作为公共子串的最后一个字符,从最后一个字符向左扩大宽度也就得到了dp[i][j]=dp[i-1][j-1]+1。
dp获得了之后,得到最长公共子序列就轻松了。首先找到我们最大的dp是谁然后就把他从那个位置向左裁剪。
代码如下:
public static int[][] getdp(String str1,String str2){ int la=str1.length(); int lb=str2.length(); char[] str1array=str1.toCharArray(); char[] str2array=str2.toCharArray(); int[][] dp=new int[la+1][lb+1];//防止溢出 for (int i = 1; i <=la ; i++) { for (int j = 1; j <=lb ; j++) { if (str1array[i-1]==str2array[j-1]){ dp[i][j]=dp[i-1][j-1]+1; } } } return dp; } public static String lcst1(String str1,String str2){ if (str1==null||str2==null||str1.equals("")||str2.equals("")){ return ""; } int[][]dp=getdp(str1,str2); int end=0; int max=0; for (int i = 1; i <=str1.length() ; i++) { for (int j = 1; j <=str2.length() ; j++) { if (dp[i][j]>max){ end=i; max=dp[i][j]; } } } return str1.substring(end-max,end); } public static void main(String[] args) { String str1="abcde"; String str2="bebcd"; System.out.println(lcst1(str1,str2)); }
解法2:经典动态规划的方法需要大小为MXN的dp矩阵,这里我们可以缩减至O(1),这里我们计算每一个dp[i][j]的时候,最多只需要左上方dp[i-1][j-1]的值,所以按照斜线方向来计算所有的值,只需要一个变量就可以了。而斜线的初始变量为第一行和第一列的初始值。我们这里也会使用Max来记录最大值,并且用end记录最大值出现的末尾。代码如下:
public static void main(String[] args) { String str1="abcde"; String str2="bebcd"; System.out.println(lcst2(str1, str2)); } private static String lcst2(String str1, String str2) { if (str1==null||str2==null||str1.equals("")||str2.equals("")){ return ""; } int la=str1.length(); int lb=str2.length(); char[] str1array=str1.toCharArray(); char[] str2array=str2.toCharArray(); int row=0;//斜线开始位置的行 int col=lb-1;//斜线开始位置的列 int max=0;//记录最大长度 int end=0;//记录最大长度结尾的位置 while (row<la){ int i=row; int j=col; int len=0;//记录初始的值 //从(i,j)向右下方遍历 while (i<la&&j<lb){ if (str1array[i]!=str2array[j]){ len=0; }else { len++; } //记录最大值,以及结束字符的位置 if (len>max){ end=i; max=len; } i++; j++; } if (col>0){ //斜线左移 col--; }else { //斜线下移 row++; } } return str1.substring(end-max+1,end+1); }
相关文章推荐
- 住院费用查询--按照病案核算分类计算
- C++11(boost)中的原子操作(atomic operation)
- arduino随笔(2)
- 多线程 依赖
- LeetCode *** 102. Binary Tree Level Order Traversal
- cdoeforces 660C
- mongo db sharding introduction
- 浮点加减法运算
- object数组
- Vim笔记
- 随笔
- C语言赋值类型的转换
- 【笔记】 《js权威指南》- 第18章 脚本化HTTP - 18.1 使用XHR(1)
- 算法初探——冒泡排序
- 【机房重构】策略模式
- ios启动页命名规则
- Math
- cf244D. Match & Catch 字符串hash (模板)或 后缀数组。。。
- 使用JSOUP抓取页面数据
- codeforces #313 div1 A