Jzoj4889 最长公共回文子序列

YJC最近在学习字符串的有关知识。今天,他遇到了这么一个概念:最长公共回文子序列。一个序列S,如果S是回文的且分别是两个或多个已知序列的子序列,且是所有符合此条件序列中最长的,则 S 称为已知序列的最长公共回文子序列。YJC很聪明,他很快就学会了如何求最长公共回文子序列。他现在想把问题规模扩大一些,于是他提出了这么一个问题:给一个长度为n(1≤n≤100000)的字符串a和一个长度为m(1≤m≤20)的字符串b,求a和b的最长公共回文子序列的长度。YJC发现他不会做了,于是他来问你这个问题的答案。

以后写题解都开大字体

嗯,看到数据范围发现可以做呢

枚举b每一个子序列并在A中匹配,复杂度2^m*n

明显T,怎么加速匹配呢?

一个SAM不就行了嘛

这个可是子序列,搞一个数组就可以了,存下每个字符的位置让后二分就好了

#include<stdio.h>
#include<string.h>
#include<algorithm>
using namespace std;
char a[100010],b[30];
int f[26][100010]={0},t[26]={0},n,m;
int w[30],c=0,ans=0;
bool ok(int x){
	for(int i=c=0;x;i++,x>>=1) if(x&1) w[c++]=i;
	for(int i=0;(i<<1)<c;++i) if(b[w[i]]!=b[w[c-i-1]]) return 0;
}
int cal(){
	int pos=-1;
	for(int i=0;i<c;++i){
		int j=b[w[i]]-'a',l=0,r=t[j];
		for(int M;l<r;){
			M=l+r>>1;
			if(f[j][M]<=pos) l=M+1;
			else r=M;
		}
		if(l==t[j]) return 0;
		pos=f[j][l];
	}
	return c;
}
int main(){
	freopen("lcps.in","r",stdin);
	freopen("lcps.out","w",stdout);
	scanf("%s%s",a,b);
	n=strlen(b); m=strlen(a);
	for(int i=0;i<m;++i)
		f[a[i]-'a'][t[a[i]-'a']++]=i;
	for(int i=0;i<26;++i) f[i][t[i]]=m+1;
	for(int i=1;i<(1<<n);++i)
		if(ok(i)) ans=max(ans,cal());
	printf("%d\n",ans);
}

### 计算最长回文子序列动态规划方法 要解决这个问题,可以采用 **动态规划 (Dynamic Programming)** 的方式来求解。以下是详细的分析和实现: #### 动态规划的核心思路 设 `dp[left][right]` 表示字符串从索引 `left` 到 `right` 能够构成的最长回文子序列的最大长度。 1. 如果字符串两端字符相同 (`s[left] == s[right]`),则它们可以作为回文的一部分,因此有: \[ dp[left][right] = dp[left+1][right-1] + 2 \] 2. 如果字符串两端字符不同,则需要分别考虑去掉左端或右端的情况,取两者中的最大值: \[ dp[left][right] = \max(dp[left+1][right], dp[left][right-1]) \] 最终目标是计算整个字符串范围内的最长回文子序列长度,即 `dp[0][n-1]`,其中 `n` 是字符串的长度[^2]。 --- #### 边界条件 当子串只有一个字符时(即 `left == right`),显然这个单字符本身就是一个回文子序列,所以有: \[ dp[i][i] = 1, \quad \text{对于所有的 } i \] 当子串为空时(即 `left > right`),此时不存在有效的子序列,故其长度为零。 --- #### 时间复杂度与空间复杂度 时间复杂度为 \(O(n^2)\),因为我们需要填充一个大小为 \(n \times n\) 的二维数组。 空间复杂度同样为 \(O(n^2)\),用于存储中间状态的结果。 --- #### Python 实现代码 下面是基于上述理论的具体实现代码: ```python def longest_palindromic_subsequence(s: str) -> int: n = len(s) if n == 0: return 0 # 创建 DP 数组并初始化 dp = [[0] * n for _ in range(n)] # 单个字符都是回文,长度为1 for i in range(n): dp[i][i] = 1 # 填充 DP 表格 for length in range(2, n + 1): # 子串长度从2到n for left in range(n - length + 1): right = left + length - 1 if s[left] == s[right]: dp[left][right] = dp[left + 1][right - 1] + 2 else: dp[left][right] = max(dp[left + 1][right], dp[left][right - 1]) # 返回整个字符串的最长回文子序列长度 return dp[0][n - 1] # 测试案例 if __name__ == "__main__": test_string = "bbbab" result = longest_palindromic_subsequence(test_string) print(f"输入: {test_string}, 输出: {result}") # 应输出4 ``` 此代码实现了动态规划算法,并通过测试用例验证了正确性[^3]。 --- #### 结果解释 以上程序会输出给定字符串 `"bbbab"` 中最长回文子序列的长度为 `4`,这对应于子序列 `"bbbb"`。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值