最長公共子串行 lcs
經常會遇到複雜問題不能簡單地分解成幾個子問題，而會分解出一系列的子問題。簡單地採用把大問題分解成子問題，並綜合子問題的解匯出大問題的解的方法，問題求解耗時會按問題規模呈冪級數增加。
為了節約重複求相同子問題的時間，引入乙個陣列，不管它們是否對最終解有用，把所有子問題的解存於該陣列中，這就是動態規劃法所採用的基本方法。
【問題】 求兩字串行的最長公共字元子串行
問題描述：字串行的子串行是指從給定字串行中隨意地（不一定連續）去掉若干個字元（可能乙個也不去掉）後所形成的字串行。令給定的字串行x=「x0，x1，…，xm-1」，序列y=「y0，y1，…，yk-1」是x的子串行，存在x的乙個嚴格遞增下標序列，使得對所有的j=0，1，…，k-1，有xij=yj。例如，x=「abcbdab」，y=「bcdb」是x的乙個子串行。
思路：考慮最長公共子串行問題如何分解成子問題，設a=
「a0，a1
，…，am-1」，b=
「b0，b1
，…，bm-1」，並z=
「z0，z1
，…，zk-1」為它們的最長公共子串行。不難證明有以下性質： （1
） 如果am-1=bn-1
，則zk-1=am-1=bn-1
，且「z0
，z1，…，zk-2」是「a0
，a1，…，am-2」和「b0
，b1，…，bn-2」的乙個最長公共子串行； （2
） 如果am-1!=bn-1
，則若zk-1!=am-1
，蘊涵「z0
，z1，…，zk-1」是「a0
，a1，…，am-2」和「b0
，b1，…，bn-1」的乙個最長公共子串行； （3
） 如果am-1!=bn-1
，則若zk-1!=bn-1
，蘊涵「z0
，z1，…，zk-1」是「a0
，a1，…，am-1」和「b0
，b1，…，bn-2」的乙個最長公共子串行。
這樣，在找a
和b的公共子串行時，如有am-1=bn-1
，則進一步解決乙個子問題，找「a0
，a1，…，am-2」和「b0
，b1，…，bm-2」的乙個最長公共子串行；如果am-1!=bn-1
，則要解決兩個子問題，找出「a0
，a1，…，am-2」和「b0
，b1，…，bn-1」的乙個最長公共子串行和找出「a0
，a1，…，am-1」和「b0
，b1，…，bn-2」的乙個最長公共子串行，再取兩者中較長者作為a
和b的最長公共子串行。
求解：引進乙個二維陣列c，用c[i][j]記錄x[i]與y[j] 的lcs 的長度，b[i][j]記錄c[i][j]是通過哪乙個子問題的值求得的，以決定搜尋的方向。
我們是自底向上進行遞推計算，那麼在計算c[i,j]之前，c[i-1][j-1]，c[i-1][j]與c[i][j-1]均已計算出來。此時我們根據x[i] = y[j]還是x[i] != y[j]，就可以計算出c[i][j]。
問題的遞迴式寫成：
回溯輸出最長公共子串行過程：
演算法分析：
由於每次呼叫至少向上或向左（或向上向左同時）移動一步，故最多呼叫(m + n)次就會遇到i = 0或j = 0的情況，此時開始返回。返回時與遞迴呼叫時方向相反，步數相同，故演算法時間複雜度為θ(m + n)。
具體**如下：
#include #include using namespace std;
#define maxn 100
int b[maxn][maxn]; //記錄路徑
//標記函式：b[i][j], 其值為0、1、-1
//分別表示c[i,j]取得最大值時的三種情況
int c[maxn][maxn]; //儲存已走步數
void lcslength(string x, string y)
else if (c[i-1][j] >= c[i][j-1])
else
}}void printlcs(string x, int b[maxn], int i, int j)
else if (b[i][j] == 1)
printlcs(x, b, i - 1,j);
else
printlcs(x, b, i , j - 1);
}int main()
動態規劃解最長公共子串行問題
動態規劃法 經常會遇到複雜問題不能簡單地分解成幾個子問題，而會分解出一系列的子問題。簡單地採用把大問題分解成子問題，並綜合子問題的解匯出大問題的解的方法，問題求解耗時會按問題規模呈冪級數增加。為了節約重複求相同子問題的時間，引入乙個陣列，不管它們是否對最終解有用，把所有子問題的解存於該陣列中，這就是...
動態規劃解最長公共子串行問題
動態規劃法 經常會遇到複雜問題不能簡單地分解成幾個子問題，而會分解出一系列的子問題。簡單地採用把大問題分解成子問題，並綜合子問題的解匯出大問題的解的方法，問題求解耗時會按問題規模呈冪級數增加。為了節約重複求相同子問題的時間，引入乙個陣列，不管它們是否對最終解有用，把所有子問題的解存於該陣列中，這就是...
動態規劃解最長公共子串行問題
動態規劃法 經常會遇到複雜問題不能簡單地分解成幾個子問題，而會分解出一系列的子問題。簡單地採用把大問題分解成子問題，並綜合子問題的解匯出大問題的解的方法，問題求解耗時會按問題規模呈冪級數增加。為了節約重複求相同子問題的時間，引入乙個陣列，不管它們是否對最終解有用，把所有子問題的解存於該陣列中，這就是...