#! /usr/bin/env python3
# -*- coding: utf-8 -*-
# 最長公共子串行
# fish fosh >>> fsh
def findlongestsubstring(source, dest): # 輸入值， 要比較的值
inlen = len(source)
outlen = len(dest)
target =
cell = [ [0 for j in range(inlen+1)] for i in range(outlen+1)]
for i in range(1, outlen+1):
for j in range(1, inlen+1):
if dest[i-1] == source[j-1]:
cell[i][j] = cell[i-1][j-1] + 1
else:
cell[i][j] = max(cell[i-1][j], cell[i][j-1])
for i in range(1, outlen+1):
for j in range(1, inlen+1):
print(cell[i][j], end=', ')
print()
print("the longest sub sequence of \"%s\" and \"%s\" is %s" % (source, dest, target))
if __name__ == "__main__":
findlongestsubstring("fish", "fosh")
if word_a[i] == word_b[j]: ←--------兩個字母相同
cell[i][j] = cell[i-1][j-1] + 1
else: ←------------------------------兩個字母不同
cell[i][j] = max(cell[i-1][j], cell[i][j-1])
tips
1. 生物學家根據最長公共序列來確定dna鏈的相似性,進而判斷度兩種動物或疾病有多相似。最長公共序列還被用來尋找多發性硬化症**方案。
2. 你使用過諸如 git diff 等命令嗎?它們指出兩個檔案的差異,也是使用動態規劃實現的。
3. 前面討論了字串的相似程度。編輯距離 (levenshtein distance)指出了兩個字串的相似程度,也是使用動態規劃計算得到的。編輯距離演算法的用途很多,從拼寫檢查到判斷使用者上傳的資料是否是盜版,都在其中。
4. 你使用過諸如microsoft word等具有斷字功能的應用程式嗎?它們如何確定在什麼地方斷字以確保行長一致呢?使用動態規劃!
動態規劃總結：
1. 需要在給定約束條件下優化某種指標時,動態規劃很有用。
2. 問題可分解為離散子問題時,可使用動態規劃來解決。
3. 每種動態規劃解決方案都涉及網格。
4. 單元格中的值通常就是你要優化的值。
5. 每個單元格都是乙個子問題,因此你需要考慮如何將問題分解為子問題。
6. 沒有放之四海皆準的計算動態規劃解決方案的公式。
最長公共子串行 最長公共子串
1 最長公共子串行 採用動態規劃的思想，用乙個陣列dp i j 記錄a字串中i 1位置到b字串中j 1位置的最長公共子串行，若a i 1 b j 1 那麼dp i j dp i 1 j 1 1，若不相同，那麼dp i j 就是dp i 1 j 和dp i j 1 中的較大者。class lcs el...
最長公共子串行 最長公共子串
1.區別 找兩個字串的最長公共子串，這個子串要求在原字串中是連續的。而最長公共子串行則並不要求連續。2 最長公共子串 其實這是乙個序貫決策問題，可以用動態規劃來求解。我們採用乙個二維矩陣來記錄中間的結果。這個二維矩陣怎麼構造呢？直接舉個例子吧 bab 和 caba 當然我們現在一眼就可以看出來最長公...
最長公共子串 最長公共子串行
子串要求連續 子串行不要求連續 之前的做法是dp求子序列 include include include using namespace std const int inf 0x3f3f3f3f const int mod 1000000007 string s1,s2 int dp 1010 10...