Python 動態規劃演算法求解最長公共子串行

前言：在網上看到一道360的秋招真題，題目如下：

仔細讀題後發現這是一道求解最長公共子串行的問題，最好使用動態規劃演算法。

小b坐火車，從起點到終點的車站序列已知，期間他睡了兩覺，到終點的時候還在睡，也就是說中間他醒了兩次，這兩次清醒的時間，有兩個車站子串行，現在讓我們分析這兩段路是去的時候看到的，還是回來的時候看到的，來回都能看到，還是說壓根不存在。

一共有四種結果：

forward

backward

invalid

both

首先將兩個子串連線，判斷連線後的子串是否正好是與總串的最長公共子串行

若是，則forward驗證

然後反轉總串，再判斷連線後的子串是否正好是與總串的最長公共子串行

若是，則backward驗證

若都不是則不存在這樣的車站序列

1、最長公共子串行的結構（問題的最優子結構性質）

2、子問題的遞迴結構（建立遞迴關係）

由最優子結構性質可知，要找出x和y

的最長公共子串行可按以下方式遞迴地進行： （

1）當xm

=yn時，找出

xm-1和yn

-1的最長公共子串行。 （

2）當xm≠

yn時，必須解兩個子問題，找出

xm-1和y

的乙個最長公共子串行及x和

yn-1

的乙個最長公共子串行。這兩個公共子串行中

較長者即為x和

y的乙個最長公共子串行。

資料結構1：用c[i

][j]

記錄序列和的最長公共子串行的長度

資料結構2：用b[

i][j]

記錄當前序列和的**

(1)若c[i][j]由c[i-1][j-1]

得到，b[i][j] = 1

(2)若c[i][j]由c[i-1][j]得到，b[i][j] = 2

(3)若c[i][j]由c[i][j-1]得到，b[i][j] = 3

我的**：

# encoding :utf-8

def 
lcs(k, l, slist, b):
if k == 0 
or l == 0:
return
if b[k][l] == 1:
lcs(k - 1
, l - 1
, slist, b)
elif b[k][l] == 2:
lcs(k, l - 1
, slist, b)
else:
lcs(k - 1
, l, slist, b)
def 
lcs2(k, l, sslist, b):
if k == 0 
or l == 0:
return
if b[k][l] == 1:
lcs2(k - 1
, l - 1
, sslist, b)
elif b[k][l] == 2:
lcs2(k, l - 1
, sslist, b)
else:
lcs2(k - 1
, l, sslist, b)
while 
1: fo = 0
ba = 0
s = raw_input()
a = raw_input()
b = raw_input()
ss = s[::-1]
slist = list(s)
slist.insert(0
, '0')
ablist = list(a + b)
ablist.insert(0
, '0')
sslist = list(ss)
sslist.insert(0
, '0')
c = [([0] * len(ablist)) for i in 
range(len(slist))]
b = [([0] * len(ablist)) for i in 
range(len(slist))]
cc = [([0] * len(ablist)) for i in 
range(len(sslist))]
bb = [([0] * len(ablist)) for i in 
range(len(sslist))]
# print c
# print slist
# print ablist
res = 
for i in 
range(1
, len(slist)):
for j in 
range(1
, len(ablist)):
if slist[i] == ablist[j]:
c[i][j] = c[i - 1][j - 1] + 1
b[i][j] = 1
elif c[i - 1][j] > c[i][j - 1]:
c[i][j] = c[i - 1][j]
b[i][j] = 3
else:
c[i][j] = c[i][j - 1]
b[i][j] = 2
lcs(len(slist) - 1
, len(ablist) - 1
, slist, b)
print ablist
print res
if res[::-1] == ablist[1:]:
fo = 1
res = 
for i in 
range(1
, len(sslist)):
for j in 
range(1
, len(ablist)):
if sslist[i] == ablist[j]:
cc[i][j] = cc[i - 1][j - 1] + 1
bb[i][j] = 1
elif cc[i - 1][j] > cc[i][j - 1]:
cc[i][j] = cc[i - 1][j]
bb[i][j] = 3
else:
cc[i][j] = cc[i][j - 1]
bb[i][j] = 2
lcs2(len(sslist) - 1
, len(ablist) - 1
, sslist, bb)
print res
if res[::-1] == ablist[1:]:
ba = 1
if fo == 1 
and ba == 0:
print 
"forward"
elif fo == 0 
and ba == 1:
print 
"backward"
elif fo == 1 
and ba == 1:
print 
"both"
else:
print 
"invalid"

while 

1: a = raw_input()
b = raw_input()
c = raw_input()
e = len(b)
if (b in a) & (c in a):
bl = a.find(b)
if bl + e <= len(a) - 1:
if a.find(c, bl + e) > 0:
res = 1
else:
res = 0
else:
res = 0
else:
res = 0
d = a[::-1]
if (b in d) & (c in d):
bl = d.find(b)
if bl + e <= len(a) - 1:
if d.find(c, bl + e) > 0:
res += 2
else:
res += 0
else:
res += 0
else:
res += 0
if res == 0: print
'invalid'
if res == 1: print
'forward'
if res == 2: print
'backward'
if res == 3: print
'both'

簡介：find是字串型別的成員函式

函式原型：

s.find(str, pos_start, pos_end)

解釋：

返回值：如果查到：返回查詢的

第乙個出現的位置。

否則，返回-1。

python 動態規劃演算法

你有三枚硬幣，面值分別是a 2，5，7 每種硬幣足夠多，買一本書需要x 27元，如何用最少的硬幣組合正好付清，不需要對方找錢。1.確定狀態 假設最優解為k a1 a2 ak 1.1 最後一步 假設最優解為 27 ak 1.2 子問題 求27 ak最優解f x f x 2 1 f x 5 1 f x ...

Python 動態規劃演算法

假設你是乙個小偷，背乙個可裝4磅東西的揹包。可盜竊的商品有如下3件 音響，4磅，價值3000美元 膝上型電腦，3磅，價值2000美元 吉他，1磅，價值1500美元 為了讓盜竊的商品價值最高，你該選擇哪些商品？演算法 第9章動態規劃 w 0,4,3,1 商品的重量列表，w 0 佔位用 p 0,3000...

動態規劃演算法

一 動態規劃演算法原理 將待求解的問題分解成若干個相互聯絡的子問題，先求解子問題，然後從這些子問題的解得到原問題的解 對於重複出現的子問題，只在第一次遇到的時候對它進行求解，並把答案儲存起來。了不去求解相同的子問題，引入乙個陣列，把所有子問題的解存於該陣列中，這就是動態規劃所採用的基本方法。動態規劃...