首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

最长公共子序列Python 2函数

最长公共子序列(Longest Common Subsequence,简称LCS)是指在两个序列中找到最长的公共子序列的问题。公共子序列是指两个序列中都存在的、不一定连续的元素组成的序列。

在Python 2中,可以使用动态规划的方法来解决最长公共子序列问题。下面是一个实现最长公共子序列的Python 2函数:

代码语言:python
代码运行次数:0
复制
def longest_common_subsequence(str1, str2):
    m = len(str1)
    n = len(str2)
    dp = [[0] * (n + 1) for _ in range(m + 1)]

    for i in range(1, m + 1):
        for j in range(1, n + 1):
            if str1[i - 1] == str2[j - 1]:
                dp[i][j] = dp[i - 1][j - 1] + 1
            else:
                dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])

    lcs_length = dp[m][n]
    lcs = [''] * lcs_length
    i = m
    j = n

    while i > 0 and j > 0:
        if str1[i - 1] == str2[j - 1]:
            lcs[lcs_length - 1] = str1[i - 1]
            i -= 1
            j -= 1
            lcs_length -= 1
        elif dp[i - 1][j] > dp[i][j - 1]:
            i -= 1
        else:
            j -= 1

    return ''.join(lcs)

这个函数接受两个字符串作为输入,并返回它们的最长公共子序列。函数使用一个二维数组dp来保存中间结果,其中dp[i][j]表示str1的前i个字符和str2的前j个字符的最长公共子序列的长度。函数首先初始化dp数组为全0,然后使用两个嵌套的循环遍历str1str2的所有字符。如果当前字符相等,则最长公共子序列的长度加1,并且继续考虑下一个字符;如果当前字符不相等,则最长公共子序列的长度取前一个状态中较大的值。最后,根据dp数组的结果,构造出最长公共子序列。

这个函数的时间复杂度为O(mn),其中m和n分别是两个输入字符串的长度。

推荐的腾讯云相关产品:腾讯云函数(Serverless Cloud Function),腾讯云云数据库(TencentDB),腾讯云对象存储(COS),腾讯云人工智能(AI),腾讯云物联网(IoT Hub)等。你可以通过腾讯云官方网站(https://cloud.tencent.com/)了解更多关于这些产品的信息。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

  • 4.算法设计与分析__动态规划

    一、动态规划的基本思想 动态规划算法通常用于求解具有某种最优性质的问题。 在这类问题中,可能会有许多可行解。 每一个解都对应于一个值,我们希望找到具有最优值的解。 基本思想是将待求解问题分解成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解。 适合于用动态规划求解的问题,经分解得到子问题往往不是互相独立的。若用分治法来解这类问题,则分解得到的子问题数目太多,有些子问题被重复计算了很多次。 如果我们能够保存已解决的子问题的答案,而在需要时再找出已求得的答案,这样就可以避免大量的重复计算,节省时间。 我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到,只要它被计算过,就将其结果填入表中。 这就是动态规划法的基本思路。 具体的动态规划算法多种多样,但它们具有相同的填表格式。 二、设计动态规划法的步骤 找出最优解的性质,并刻画其结构特征; 递归地定义最优值(写出动态规划方程); 以自底向上的方式计算出最优值; 根据计算最优值时得到的信息,构造一个最优解。 步骤1~3是动态规划算法的基本步骤。 在只需要求出最优值的情形,步骤4可以省略; 若需要求出问题的一个最优解,则必须执行步骤4。 三、动态规划问题的特征 动态规划算法的有效性依赖于问题本身所具有的两个重要性质: 最优子结构: 当问题的最优解包含了其子问题的最优解时,称该问题具有最优子结构性质。 重叠子问题: 在用递归算法自顶向下解问题时,每次产生的子问题并不总是新问题,有些子问题被反复计算多次。动态规划算法正是利用了这种子问题的重叠性质,对每一个子问题只解一次,而后将其解保存在一个表格中,在以后尽可能多地利用这些子问题的解。

    03
    领券