基础DP（三）——最长公共子序列LCS

最新推荐文章于 2026-03-29 08:50:08 发布

原创最新推荐文章于 2026-03-29 08:50:08 发布 · 313 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

lllllan

动态规划——基础DP 同时被 2 个专栏收录

18 篇文章

订阅专栏

动态规划

9 篇文章

订阅专栏

本文深入探讨了最长公共子序列(LCS)的概念及其在序列比较中的应用，详细解析了动态规划(DP)算法如何求解LCS问题，并通过代码示例展示了两种实现方式：一般算法和滚动数组优化。理解LCS有助于解决字符串相似度比较等实际问题。

定义

子序列：在一个给定的序列中删去若干个元素后得到的序列。
子序列和子串是不同的概念，区别在于子串的元素在原序列中必须是连续的，但子序列不必，其元素在原序列在必须是按顺序的但不一定连续。
最长公共子序列： 给定两个序列X和Y，当另一序列Z既是X的子序列，又是Y的子序列时，称Z时序列X和Y的公共子序列。最长公共子序列就是长度最长的公共子序列。

DP算法

定义状态dp[i][j]表示X_(i-1)和Y_(i-1)的最长公共子序列。
状态转移方程：
$dp[i][j]=\left\{ \begin{aligned} &dp[i-1]j-1] + 1 \\ &max(dp[i][j-1], dp[i-1][j]) \end{aligned} \right.$
(写markdown的公式可折腾死我了T_T）

例题展示

HDU 1159 Common Subsequence
题解： 没有题解，结合上述状态转移方程和代码。

一般算法

#include<iostream>
#include<algorithm>
#include<string>
using namespace std;

int dp[1005][1005];
string s1,s2;
int LCS(){
    for (int i = 0; i < 1005; i++)
        for (int j = 0; j < 1005; j++)
            dp[i][j] = 0;
    for (int i = 1; i <= s1.length(); i++)
        for (int j = 1; j <= s2.length(); j++)
            if(s1[i-1] == s2[j-1])
                dp[i][j] = dp[i - 1][j - 1] + 1;
            else
                dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);
    return dp[s1.length()][s2.length()];
}

int main(){
    while(cin >> s1 >> s2)
        cout << LCS() << endl;
    return 0;
}

滚动数组

#include<iostream>
#include<algorithm>
#include<string>
using namespace std;

int dp[1005];
int pre[1005];
string s1, s2;
int main(){
    while(cin >> s1 >> s2){
        for (int i = 0; i < 1005; i++)
            dp[i] = pre[i] = 0;
        for (int i = 1; i <= s1.length(); i++){
            for (int j = 1; j <= s2.length(); j++){
                if(s2[j-1] == s1[i-1])
                    dp[j] = pre[j - 1] + 1;
                else
                    dp[j] = max(dp[j - 1], pre[j]);
                pre[j - 1] = dp[j - 1];
            }
            pre[s2.length()] = dp[s2.length()];
        }    
        printf("%d\n", dp[s2.length()]);
    }
    return 0;
}