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2m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(2m . 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,…,xm>,对i=0,1,…,m,定义X的第i前缀为Xi=<x1,x2,…,xi>。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,…,xm>和Y=<y1,y2,…,yn>为两个序列,Z=<z1,z2,…,zk>为X和Y的任意LCS。
1)如果xm=yn,则zk=xm=yn且Zk-1是Xm-1和Yn-1的一个LCS。也就是
例如:
2)如果xm≠yn,那么zk≠xm意味着Z是xm-1和Y的一个LCS。
也就是,LCS(Xm,Yn)=LCS(Xm-1,Yn)。
3)如果xm≠yn,那么zk≠yn意味着Z是X和Yn-1的一个LCS。也就是,LCS(Xm,Yn)=LCS(Xm,Yn-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Xi与Yj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xi=yj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>
<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