最长公共子序列（LCS）

1、LCS的基本概念

        子序列：一个序列X任意删除若干个字符得到新序列Z，则Z叫做X的子序列。例如Z=<B,C,D,B>是X=<A,B,C,B,D,A,B>的子序列，相当于删除A、B、A。

        公共子序列：给定两个序列X和Y，如果Z既是X的子序列，也是Y的子序列，我们称它为X和Y的公共子序列。公共子序列可能不唯一。例如<B,C,A>是X=<A,B,C,B,D,A,B>和Y=<B,D,C,A,B,A>的一个公共子序列。

        最长公共子序列：Longest Common Subsequence，简称LCS。如果Z是X和Y的公共子序列，且是最长的那个，则称Z是X和Y的最长公共子序列。例如<B,C,B,A>是X=<A,B,C,B,D,A,B>和Y=<B,D,C,A,B,A>的一个最长公共子序列，<B,D,A,B>也是。它也可能不唯一。

        注：(1)为了简便，上面我们讨论的都是两个序列的公共子序列，当然，也可以是3个、4个等等。(2)它和最长公共子串是有区别的，最长公共子串要求连续。

2、LCS的意义和应用

        求两个序列中最长的公共子序列算法，广泛的应用在图形相似处理、媒体流的相似比较、计算生物学方面。生物学家常常利用该算法进行基因序列比对，由此推测序列的结构、功能和演化过程。

        LCS可以描述两段文字之间的“相似度”，即它们的雷同程度，从而能够用来辨别抄袭。另一方面，对一段文字进行修改之后，计算改动前后文字的最长公共子序列，将除此子序列外的部分提取出来，这种方法判断修改的部分，往往十分准确。简而言之，百度知道、百度百科都用得上。

3、暴力求解：穷举法

        1）假定序列X，Y的长度分别为m，n；

        2）X的一个子序列即下标序列{1, 2, …, m}的严格递增子序列，因此，X共有2^m个不同子序列；同理，Y有2ⁿ个不同子序列，从而穷举搜索法需要指数时间O(2^{m .} 2ⁿ)；

        3）对X的每一个子序列，检查它是否也是Y的子序列，从而确定它是否为X和Y的公共子序列，并且在检查过程中选出最长的公共子序列；

        显然，不可取。

4、LCS的最优子结构

        在这里先说些前缀的概念，给定一个序列X=<x₁,x₂,…,x_m>，对i=0,1,…,m，定义X的第i前缀为X_i=<x₁,x₂,…,x_i>。例如，若X=<A,B,C,B,D,A,B>，则X₄=<A,B,C,B>，X₀为空串。

        令X=<x₁,x₂,…,x_m>和Y=<y₁,y₂,…,y_n>为两个序列，Z=<z₁,z₂,…,z_k>为X和Y的任意LCS。

        1）如果x_m=y_n，则z_k=x_m=y_n且Z_k-1是X_m-1和Y_n-1的一个LCS。也就是

        例如：

        2）如果x_m≠y_n，那么z_k≠x_m意味着Z是x_m-1和Y的一个LCS。

        也就是，LCS(X_m,Y_n)=LCS(X_m-1,Y_n)。

        3）如果x_m≠y_n，那么z_k≠y_n意味着Z是X和Y_n-1的一个LCS。也就是，LCS(X_m,Y_n)=LCS(X_m,Y_n-1)。

        例如：

5、LCS的分析总结

        显然，是动态规划问题。

6、伪代码

        引进一个二维数组c[0..m,0..n]，用c[i,j]记录序列X_i与Y_j的LCS的长度。

 

        引进一个二维数组b[1..m,1..n]，b[i,j]标记c[i,j]是由哪一个子问题的解求得的，以决定搜索的方向。即c[i,j]是由c[i-1,j-1]+1或者c[i-1,j]或者c[i,j-1]的哪一个得到的。取值范围为LeftTop、Top、Left三种情况。

        举例：

        X=< A，B，C，B，D，A，B >，Y=< B，D，C，A，B，A >

        注：

        1）第一行、第一列都为0；

        2）按行主次序计算表项。

        3）第i行和第j列的方格包含了c[i,j]的值和b[i-1,j]记录的箭头；

        4）右下角的项c[7,6]中的4即为X和Y的一个LCS的长度；

        5）为了构造LCS的元素，从右下角开始沿着b[i,j]的箭头前进即可，如图中阴影方格序列。阴影序列中每个“  ”对应的表项表示x_i=y_j是LCS的一个元素。此时得到的是BCBA，逆序输出，即LCS是<B,C,B,A>。

6.1 计算LCS的长度

 

        过程的运行时间为O(mn)，因为每个表项的计算时间为O（1）。

6.2 构造LCS

        开始的i、j分别是X和Y的长度。

        过程的运行时间为O（m+n），因为每次递归调用i和j至少有一个会减少1。

7、代码实现

7.1 单独的计算LCS的长度

        如果单独的计算LCS的长度，而不需要输出LCS，则代码不需要那么复杂。

<span style="font-weight: normal;">#include <iostream>
#include <cstring>
using namespace std;

int length_LCS(string s1,string s2) //求LCS的长度
{
    int m=s1.length(),n=s2.length();
    int c[m+1][n+1];

    /*处理特殊的0行和0列*/
    for(int i=0;i<=m;i++)
        c[i][0]=0;
    for(int j=0;j<=n;j++)
        c[0][j]=0;

    /*处理其他行和列*/
    for(int i=1;i<=m;i++)
    {
         for(int j=1;j<=n;j++)
         {
             if(s1[i-1]==s2[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];
             }
         }
    }
    return c[m][n];
}

int main()
{
    string s1,s2;
    cout<<"请输入两个序列:"<<endl;
    cin>>s1>>s2;
    cout<<"LCS的长度:"<<length_LCS(s1,s2)<<endl;
    return 0;
}</span>

运行结果：

7.2 同时求LCS和LCS的长度

#include <iostream>
#include <cstring>
using namespace std;

int length_LCS(string s1,string s2,int **c,int **b,int m,int n)  //输出LCS的长度
{
    /*处理特殊的0行和0列*/
    for(int i=0;i<=m;i++)
        c[i][0]=0;
    for(int j=0;j<=n;j++)
        c[0][j]=0;

    /*处理其他行和列*/
    for(int i=1;i<=m;i++)
    {
         for(int j=1;j<=n;j++)
         {
             if(s1[i-1]==s2[j-1])
             {
                 c[i][j]=c[i-1][j-1]+1;
                 b[i-1][j-1]=0;
             }
             else
             {
                 if(c[i-1][j]>=c[i][j-1])
                 {
                     c[i][j]=c[i-1][j];
                     b[i-1][j-1]=1;
                 }
                 else
                 {
                     c[i][j]=c[i][j-1];
                     b[i-1][j-1]=-1;
                 }
             }
         }
    }
    return c[m][n];
}

void Print_LCS(int **b,string x,int i,int j) //输出LCS序列
{
    if(i==0||j==0)
        return ;
    if(b[i-1][j-1]==0)
    {
        Print_LCS(b,x,i-1,j-1);
        cout<<x[i-1];
    }
    else if(b[i-1][j-1]==1)
    {
        Print_LCS(b,x,i-1,j);
    }
    else
        Print_LCS(b,x,i,j-1);
}

int main()
{
    string s1,s2;
    cout<<"请输入两个序列:"<<endl;
    cin>>s1>>s2;
    int m=s1.length(),n=s2.length();
    int **c=new int*[m+1]; //动态分配二维数组
    for(int i=0;i<=m;i++)
        c[i]=new int[n+1];
    int **b=new int*[m]; //动态分配二维数组
    for(int j=0;j<m;j++)
        b[j]=new int[n];
    cout<<"LCS的长度:"<<length_LCS(s1,s2,c,b,m,n)<<endl;
    cout<<"打印其中的一个LCS:";
    Print_LCS(b,s1,m,n);
    //此处最好的处理是释放空间
    cout<<endl;
    return 0;
}

运行结果：

8、进一步思考的问题

9、LIS

 

参考文献：

1、算法导论（第3版）

2、十分钟搞定LCS