Myers差分算法分析

论文地址

paper论文地址： https://neil.fraser.name/writing/diff/myers.pdf

摘要

对于两个序列A、B，寻找其最长公共子序列的问题与寻找其最短编辑过程（从A到B）的问题一直被认为是一对对偶问题。
本文证明了它们等价于在一个编辑图中找到最短/最长路径。
基于这个观点，我们找到了一个简单的O(ND)时间与空间复杂度的算法，其中N为A与B的长度和，D为AB间最短编辑过程的长度

定义

编辑图

本文使用与论文相同的示例。
文件A包含 ABCABBA，文件B包含CBABAC。
这些被表示为两个字符数组：A []和B []。
A []的长度为N，B []的长度为M。

我们就可以求解从A数组变成B数组的问题，转换成为求解从A字符串变成B字符串的问题。

解决方案

解决问题：从左上角（0，0）到右下角（7，6）的最短路径。

动态规划解决方案：
当一个问题
（1）依赖于子问题的最优解
（2）子问题重叠
（3）问题存在边界
（4）子问题独立
就可以考虑使用动态规划来解决。

该问题中，点（n，m）的最优解依赖于（n，m-1），（n-1，m）两个点所在对角线上所有能够走一步到达（n，m）的点。可以使用动态规划求解。

Myers差分解决方案：

数组A沿x轴放在顶部。数组B沿y轴向下放置。

始终可以水平或垂直移动一个字符。
水平（右）移动表示从文件A中删除，垂直（向下）移动表示在文件B中插入。
如果存在匹配的字符，则还可以对角移动，以匹配结束。
解决方案是尽量走对角边让操作变得最少，目的是走到右下角。只要 A[i] == B[j] 那么 (i,j) 就可以从 (i-1, j-1) 走过来，否则只能从 (i-1, j) 或者 (i, j-1) 走过来，所以一碰上 A[i] == B[j] 的话，就存在了一条斜边。

LCS是轨迹中的对角线，SES是轨迹中的水平和垂直移动。例如，LCS的长度为4个字符，SES的长度为5个差异。

概念

根据 Myers 的论文，他提出了三个概念：

snake : 一条snake代表走一步。例如从(0,0)->(0,1) / (0,0)->(1,0) / (0,1)->(0,2)->(2,4) 这分别为三条snake，走对角线不计入步数。

k line: 定义 k = x - y （好吧，我习惯写成 y = x - k，这是相同斜率的平行斜线组成的一个集合)

d contour: 走一步算一个 d

贪婪算法