آرین سلیمان‌زاده
  • خانه
  • وبلاگ
  • پادکست‌ها
  • ویدیوها
  • کتابخانه
  • تماس با من
العربيةArabic
DeutschGerman
EnglishEnglish
فارسیPersian
한국어Korean
中文Chinese
پنل•تماس سریع

Languages

Choose your interface locale

ar

العربية

Arabic

de

Deutsch

German

en

English

English

fa

فارسی

Persian

ko

한국어

Korean

zh

中文

Chinese

درخواست همکاری یا مشاوره

پیام خود را درباره همکاری، مشاوره، توسعه محصول یا پروژه نرم‌افزاری ارسال کنید.

LinkedInپاسخ سریع
کتابخانه الگوریتم ←/مجموعه‌ها و برنامه‌نویسی پویا/طولانی‌ترین زیرتوالی مشترک
یادداشت کامل الگوریتم

طولانی‌ترین زیرتوالی مشترک

Longest Common Subsequence

LCS طولانی‌ترین زیرتوالی‌ای را پیدا می‌کند که در هر دو ورودی با همان ترتیب نسبی وجود دارد، ولی لازم نیست عناصر پشت‌سرهم باشند.

نوعالگوریتمدستهمجموعه‌ها و برنامه‌نویسی پویاسطحپیشرفتهپیچیدگی معمولO(mn)
جواب کوتاه و حرفه‌ای

اول این مفهوم را در ذهن نگه دار

LCS طولانی‌ترین زیرتوالی‌ای را پیدا می‌کند که در هر دو ورودی با همان ترتیب نسبی وجود دارد، ولی لازم نیست عناصر پشت‌سرهم باشند.

01
توضیح ساده

چطور کار می‌کند؟ ساده و مرحله‌ای

01

معمولاً dp[i][j] طول LCS برای prefixهای دو رشته را نشان می‌دهد.

02

اگر کاراکترها برابر باشند مقدار diagonal + 1 می‌شود؛ وگرنه بهترین حالت حذف یکی از دو سمت انتخاب می‌شود.

02
روند اجرا

الگوریتم را به شکل تصمیم‌های پشت سر هم بخوان

01

State را دقیق تعریف کن.

02

Transition یا choice را از stateهای کوچک‌تر بنویس.

03

Base Case را مشخص و بعد بین memoization، tabulation یا backtracking انتخاب کن.

یک مثال کوچک برای فهم بهتر

یک ورودی خیلی کوچک را دستی اجرا کن و بعد از هر عملیات مهم state را بنویس. برای طولانی‌ترین زیرتوالی مشترک هدف این است که invariant را ببینی، نه اینکه کد را حفظ کنی.

پیاده‌سازی خوانا با JavaScriptJavaScript
function lcs(a, b) {
  const dp = Array.from({ length: a.length + 1 }, () => Array(b.length + 1).fill(0));
  for (let i = 1; i <= a.length; i++) {
    for (let j = 1; j <= b.length; j++) {
      dp[i][j] = a[i - 1] === b[j - 1]
        ? dp[i - 1][j - 1] + 1
        : Math.max(dp[i - 1][j], dp[i][j - 1]);
    }
  }
  return dp[a.length][b.length];
}
این کد را چطور بخوانی؟

syntax را حفظ نکن. stateای را که در هر خط تغییر می‌کند دنبال کن و آن را به invariant توضیح‌داده‌شده در بالا وصل کن.

پیچیدگی

O(mn)

این Complexity را حفظی نگو. اول مشخص کن مربوط به کدام عملیات یا بعد ورودی است؛ بعد هزینه را از روی loopها، عمق recursion، عملیات ساختمان داده و فرض‌های preprocessing نتیجه بگیر.

03
چه زمانی استفاده کنیم؟

موارد مناسب

  • وقتی زیرمسئله‌ها overlap دارند و جواب از stateهای کوچک‌تر ساخته می‌شود DP مناسب است.
04
اشتباهات رایج

کجا معمولاً اشتباه می‌کنیم؟

  • قبل از تعریف state سراغ recurrence نرو.
  • DPای نساز که state space آن از خود مسئله بزرگ‌تر و غیرعملی باشد.
در مصاحبه چطور توضیح بدهیم؟

مدل یک پاسخ حرفه‌ای

حتماً Subsequence را از Substring جدا کن؛ این یکی از رایج‌ترین اشتباه‌های مصاحبه‌ای است.

مسئله→ایده اصلی→Invariant / State→Big-O→Trade-off
چند سؤال مصاحبه‌ای سریع

طولانی‌ترین زیرتوالی مشترک چه مسئله‌ای را حل می‌کند؟

LCS طولانی‌ترین زیرتوالی‌ای را پیدا می‌کند که در هر دو ورودی با همان ترتیب نسبی وجود دارد، ولی لازم نیست عناصر پشت‌سرهم باشند.

درباره Complexity چه چیزی باید بگویم؟

پیچیدگی معمول اینجا O(mn) است، اما جواب کامل باید این هزینه را به representation، constraint ورودی و عملیات غالب وصل کند.

رایج‌ترین اشتباه چیست؟

قبل از تعریف state سراغ recurrence نرو.

موضوعات مرتبط برای ادامه مطالعهMemoizationTabulationBacktracking
منبع و مطالعه بیشتر

این درس برای مطالعه آرام و آمادگی مصاحبه به‌صورت مستقل نوشته شده و فهرست موضوعات آن از trekhleb/javascript-algorithms الهام گرفته است. مخزن اصلی implementationها، testها و README تخصصی هر موضوع را دارد.

باز کردن مخزن اصلی ↗
آرین سلیمان‌زاده

پورتفولیوی شخصی با تمرکز بر Agentic CRM، سامانه‌های هوشمند کسب‌وکار، مهندسی مدرن وب، طراحی سیستم‌های رابط کاربری و توسعه محصولات نرم‌افزاری کاربردی.

لینک‌های سریع

  • درباره من
  • وبلاگ
  • کتابخانه
  • تماس

ارتباط

  • soleimanzadeh.a.work@gmail.com
  • soleimanzadeh.uni@gmail.com

در دسترس: روزهای کاری

معمولاً پاسخ در ۲۴ ساعت

خبرنامه

به‌روزرسانی‌های مربوط به نوشته‌ها، پروژه‌ها و انتشارهای جدید را دریافت کنید.

© 2026 ariansoleimanzadeh.dev — تمامی حقوق محفوظ است.

لینکدین