Coincidence -- 动态规划（最长公共子序列）

最长公共子序列是一个很经典的动态规划问题，最近正在学习动态规划，所以拿来这里再整理一下。

这个问题在《算法导论》中作为讲动态规划算法的例题出现。

最长公共子序列，即Longest Common Subsequence，LCS。
一个序列S任意删除若干个字符得到新序列T，则T叫做S的子序列；
两个序列X和Y的公共子序列中，长度最长的那个，定义为X和Y的最长公共子序列。
字符串13455与245576的最长公共子序列为455
字符串acdfg与adfc的最长公共子序列为adf
注意区别最长公共子串(Longest Common Substring)
最长公共字串要求连续

 

动态规划，众所周知，第一步就是找子问题，也就是把一个大的问题分解成子问题。这里我们设两个字符串A、B，A = "a0, a1, a2, ..., am-1"，B = "b0, b1, b2, ..., bn-1"。

（1）如果am-1 == bn-1，则当前最长公共子序列为"a0, a1, ..., am-2"与"b0, b1, ..., bn-2"的最长公共子序列与am-1的和。长度为"a0, a1, ..., am-2"与"b0, b1, ..., bn-2"的最长公共子序列的长度+1。

（2）如果am-1 != bn-1，则最长公共子序列为max（"a0, a1, ..., am-2"与"b0, b1, ..., bn-1"的公共子序列，"a0, a1, ..., am-1"与"b0, b1, ..., bn-2"的公共子序列）

如果上述描述用数学公式表示，则引入一个二维数组c[][]，其中c[i][j]记录X[i]与Y[j]的LCS长度，b[i][j]记录c[i][j]是通过哪一个子问题的值求得的，即，搜索方向。

这样我们可以总结出该问题的递归形式表达：

按照动态规划的思想，对问题的求解，其实就是对子问题自底向上的计算过程。这里，计算c[i][j]时，c[i-1][j-1]、c[i-1][j]、c[i][j-1]已经计算出来了，这样，我们可以根据X[i]与Y[j]的取值，按照上面的递推，求出c[i][j]，同时把路径记录在b[i][j]中（路径只有3中方向：左上、左、上，如下图）。

#include<stdio.h>  
#include<string.h>  
char a[101];  
char b[101];  
int c[101][101];  
int i,j;  
void lcs(){  
    int ans=0;  
    int m=strlen(a);  
    int n=strlen(b);  
    memset(c,0,sizeof(c));  
    for(i=0;i<m;++i)  
        c[i][0]=0;  
    for(i=0;i<n;++i)  
        c[0][i]=0;  
    for(i=1;i<=m;++i)  
        for(j=1;j<=n;++j)  
        {  
            if(a[i-1]==b[j-1])  
            {  
                c[i][j]=c[i-1][j-1]+1;  
            }  
            else if(c[i-1][j]>=c[i][j-1]){  
                c[i][j]=c[i-1][j];  
            }  
            else  
            {  
                c[i][j]=c[i][j-1];  
            }  
        }  
    printf("%d\n",c[m][n]);  
}  
int main(int argc, char *argv[])  
{  
    while(~scanf("%s%s",a,b))  
    {  
        lcs();  
    }  
    return 0;  
} 

参考文章：http://www.cnblogs.com/liyukuneed/archive/2013/05/2

http://www.julyedu.com/video/play/id/9