一个给定序列的子序列是在该序列中删去若干元素后得到的序列。若给定序列X={x1, x2, ..., xm},则另一序列Z={z1, z2, ..., zk},X的子序列是指存在一个严格递增下标序列i, 使得对于所用的j=1, 2, 3,...,k有zj = xi.
例如:序列X={A, B, C, B, D, A, B}的一个子序列Z={B, C, D, A}。
给定两个序列X和Y, 当另一序列Z既是X的子序列又是Y的子序列,则称Z为X和Y的公共子序列。
最长公共子序列问题:
给定两个序列X={x1,x2,x3,...,xm}和Y={y1,y2,y3,...,yn},找出X和Y的最长公共子序列
动态规划法:
/*
* 问题描述: 给定两个序列X={x1,x2,x3,...,xm}和Y={y1,y2,y3,...,yn},找出X和Y的最长公共子序列
* 算法分析:最长公共子序列问题具有最优子结构性质和子问题重叠性质,动态规划法解决
* 最优值的递归关系:
* 用c[i][j]记录序列Xi和Yj的最长公共子序列长度
* 分析:
* 1)c[i][j] = 0 i = 0, j = 0;
* 2)c[i][j] = c[i-1][j-1] + 1 xi = xj;
* 3)c[i][j] = max{c[i-1][j], c[i][j-1]} xi != xj
*
* auther:cm
* date:2010/11/17
*
*/
public class LcsLength
{
private char[] arrX;
private char[] arrY;
private int[][] c;
public LcsLength(String arr1, String arr2)
{
arrX = new char[arr1.length() + 1];
arrY = new char[arr2.length() + 1];
System.arraycopy(arr1.toCharArray(), 0, arrX, 1, arr1.length());
System.arraycopy(arr2.toCharArray(), 0, arrY, 1, arr2.length());
//调用函数
lcsLength();
}
//计算最长公共子序列
public void lcsLength()
{
c = new int[arrX.length][arrY.length];
for (int i = 1; i < arrX.length; i++)
{
for (int j = 1; j < arrY.length; j++)
{
if (arrX[i] == arrY[j])
{
c[i][j] = c[i-1][j-1] + 1;
}
else
{
c[i][j] = max(c[i-1][j], c[i][j-1]);
}
}
}
}
private int max(int m, int n)
{
return m > n ? m : n;
}
//返回最长子序列
public String getLCS()
{
String lcs = "";
int i = arrX.length - 1;
int j = arrY.length - 1;
while (i >= 1 && j >= 1)
{
if (arrX[i] == arrY[j])
{
lcs = arrX[i] + lcs;
i--;
j--;
}
else
{
if (c[i][j-1] > c[i-1][j])
{
j--;
}
else
{
i--;
}
}
}
return lcs;
}
public static void main(String[] args)
{
LcsLength lcs = new LcsLength("ABCBDAB", "BDCABA");
System.out.println(lcs.getLCS());
}
}
X={A, B, C, B, D, A, B}, Y={B, D, C, A, B, A}.
执行结果:
BCBA