例如:输入两个字符串BDCABA和ABCBDAB,字符串BCBA和BDAB都是是它们的最长公共子串,则输出它们的长度4,并打印任意一个子串。
分析:求最长公共子串(Longest Common Subsequence, LCS)是一道非常经典的动态规划题,因此一些重视算法的公司像MicroStrategy都把它当作面试题。
完整介绍动态规划将需要很长的篇幅,因此我不打算在此全面讨论动态规划相关的概念,只集中对LCS直接相关内容作讨论。如果对动态规划不是很熟悉,请参考相关算法书比如算法讨论。
考虑最长公共子序列问题如何分解成子问题,设A=“a0,a1,…,am-1”,B=“b0,b1,…,bn-1”,并Z=“z0,z1,…,zk-1”为它们的最长公共子序列。不难证明有以下性质:
(1) 如果am-1==bn-1,则zk-1=am-1=bn-1,且“z0,z1,…,zk-2”是“a0,a1,…,am-2”和“b0,b1,…,bn-2”的一个最长公共子序列;
(2) 如果am-1!=bn-1,则若zk-1!=am-1时,蕴涵“z0,z1,…,zk-1”是“a0,a1,…,am-2”和“b0,b1,…,bn-1”的一个最长公共子序列;
(3) 如果am-1!=bn-1,则若zk-1!=bn-1时,蕴涵“z0,z1,…,zk-1”是“a0,a1,…,am-1”和“b0,b1,…,bn-2”的一个最长公共子序列。
这样,在找A和B的公共子序列时,如果有am-1==bn-1,则进一步解决一个子问题,找“a0,a1,…,am-2”和“b0,b1,…,bm-2”的一个最长公共子序列;如果am-1!=bn-1,则要解决两个子问题,找出“a0,a1,…,am-2”和“b0,b1,…,bn-1”的一个最长公共子序列和找出“a0,a1,…,am-1”和“b0,b1,…,bn-2”的一个最长公共子序列,再取两者中较长者作为A和B的最长公共子序列。
求解:
引进一个二维数组c[][],用c[i][j]记录X[i]与Y[j] 的LCS 的长度,b[i][j]记录c[i][j]是通过哪一个子问题的值求得的,以决定输出最长公共字串时搜索的方向。
我们是自底向上进行递推计算,那么在计算c[i,j]之前,c[i-1][j-1],c[i-1][j]与c[i][j-1]均已计算出来。此时我们根据X[i] == Y[j]还是X[i] != Y[j],就可以计算出c[i][j]。
问题的递归式写成:
回溯输出最长公共子序列过程:
算法分析:
由于每次调用至少向上或向左(或向上向左同时)移动一步,故最多调用(m + n)次就会遇到i = 0或j = 0的情况,此时开始返回。返回时与递归调用时方向相反,步数相同,故算法时间复杂度为Θ(m + n)。
完整的实现代码如下:
- /**
- 找出两个字符串的最长公共子串的长度
- ** author :liuzhiwei
- ** data :2011-08-15
- **/
- #include "stdio.h"
- #include "string.h"
- #include "stdlib.h"
- int LCSLength(char* str1, char* str2, int **b)
- {
- int i,j,length1,length2,len;
- length1 = strlen(str1);
- length2 = strlen(str2);
- //双指针的方法申请动态二维数组
- int **c = new int*[length1+1]; //共有length1+1行
- for(i = 0; i < length1+1; i++)
- c[i] = new int[length2+1]; //共有length2+1列
- for(i = 0; i < length1+1; i++)
- c[i][0]=0; //第0列都初始化为0
- for(j = 0; j < length2+1; j++)
- c[0][j]=0; //第0行都初始化为0
- for(i = 1; i < length1+1; i++)
- {
- for(j = 1; j < length2+1; j++)
- {
- if(str1[i-1]==str2[j-1]) //由于c[][]的0行0列没有使用,c[][]的第i行元素对应str1的第i-1个元素
- {
- c[i][j]=c[i-1][j-1]+1;
- b[i][j]=0; //输出公共子串时的搜索方向
- }
- else if(c[i-1][j]>c[i][j-1])
- {
- c[i][j]=c[i-1][j];
- b[i][j]=1;
- }
- else
- {
- c[i][j]=c[i][j-1];
- b[i][j]=-1;
- }
- }
- }
- /*
- for(i= 0; i < length1+1; i++)
- {
- for(j = 0; j < length2+1; j++)
- printf("%d ",c[i][j]);
- printf("\n");
- }
- */
- len=c[length1][length2];
- for(i = 0; i < length1+1; i++) //释放动态申请的二维数组
- delete[] c[i];
- delete[] c;
- return len;
- }
- void PrintLCS(int **b, char *str1, int i, int j)
- {
- if(i==0 || j==0)
- return ;
- if(b[i][j]==0)
- {
- PrintLCS(b, str1, i-1, j-1); //从后面开始递归,所以要先递归到子串的前面,然后从前往后开始输出子串
- printf("%c",str1[i-1]); //c[][]的第i行元素对应str1的第i-1个元素
- }
- else if(b[i][j]==1)
- PrintLCS(b, str1, i-1, j);
- else
- PrintLCS(b, str1, i, j-1);
- }
- int main(void)
- {
- char str1[100],str2[100];
- int i,length1,length2,len;
- printf("请输入第一个字符串:");
- gets(str1);
- printf("请输入第二个字符串:");
- gets(str2);
- length1 = strlen(str1);
- length2 = strlen(str2);
- //双指针的方法申请动态二维数组
- int **b = new int*[length1+1];
- for(i= 0; i < length1+1; i++)
- b[i] = new int[length2+1];
- len=LCSLength(str1,str2,b);
- printf("最长公共子串的长度为:%d\n",len);
- printf("最长公共子串为:");
- PrintLCS(b,str1,length1,length2);
- printf("\n");
- for(i = 0; i < length1+1; i++) //释放动态申请的二维数组
- delete[] b[i];
- delete[] b;
- system("pause");
- return 0;
- }
程序的效果图如下:
第二种方法为:
- /**
- 找出两个字符串的最长公共子串的长度
- ** author :liuzhiwei
- ** data :2011-08-15
- **/
- #include "stdio.h"
- #include "string.h"
- #include "stdlib.h"
- int LCSLength(char* str1, char* str2) //求得两个字符串的最大公共子串长度并输出公共子串
- {
- int i,j,length1,length2;
- length1 = strlen(str1);
- length2 = strlen(str2);
- //双指针的方法申请动态二维数组
- int **c = new int*[length1+1]; //共有length1+1行
- for(i = 0; i < length1+1; i++)
- c[i] = new int[length2+1]; //共有length2+1列
- for(i = 0; i < length1+1; i++)
- c[i][0]=0; //第0列都初始化为0
- for(j = 0; j < length2+1; j++)
- c[0][j]=0; //第0行都初始化为0
- for(i = 1; i < length1+1; i++)
- {
- for(j = 1; j < length2+1; j++)
- {
- if(str1[i-1]==str2[j-1]) //由于c[][]的0行0列没有使用,c[][]的第i行元素对应str1的第i-1个元素
- 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];
- }
- }
- //输出公共子串
- char s[100];
- int len,k;
- len=k=c[length1][length2];
- s[k--]='\0';
- i=length1,j=length2;
- while(i>0 && j>0)
- {
- if(str1[i-1]==str2[j-1])
- {
- s[k--]=str1[i-1];
- i--;
- j--;
- }
- else if(c[i-1][j]<c[i][j-1])
- j--;
- else
- i--;
- }
- printf("最长公共子串为:");
- puts(s);
- for(i = 0; i < length1+1; i++) //释放动态申请的二维数组
- delete[] c[i];
- delete[] c;
- return len;
- }
- int main(void)
- {
- char str1[100],str2[100];
- int length1,length2,len;
- printf("请输入第一个字符串:");
- gets(str1);
- printf("请输入第二个字符串:");
- gets(str2);
- length1 = strlen(str1);
- length2 = strlen(str2);
- len=LCSLength(str1,str2);
- printf("最长公共子串的长度为:%d\n",len);
- system("pause");
- return 0;
- }
问题拓展:设A、B、C是三个长为n的字符串,它们取自同一常数大小的字母表。设计一个找出三个串的最长公共子串的O(n^3)的时间算法。
思路:跟上面的求2个字符串的公共子串是一样的思路,只不过这里需要动态申请一个三维的数组,三个字符串的尾字符不同的时候,考虑的情况多一些而已。
- /**
- 找出三个字符串的最长公共子串的长度
- ** author :liuzhiwei
- ** data :2011-08-15
- **/
- #include "stdio.h"
- #include "string.h"
- #include "stdlib.h"
- int max1(int m,int n)
- {
- if(m>n)
- return m;
- else
- return n;
- }
- int max2(int x,int y,int z,int k,int m,int n)
- {
- int max=-1;
- if(x>max)
- max=x;
- if(y>max)
- max=y;
- if(z>max)
- max=z;
- if(k>max)
- max=k;
- if(m>max)
- max=m;
- if(n>max)
- max=n;
- return max;
- }
- int LCSLength(char* str1, char* str2, char* str3) //求得三个字符串的最大公共子串长度并输出公共子串
- {
- int i,j,k,length1,length2,length3,len;
- length1 = strlen(str1);
- length2 = strlen(str2);
- length3 = strlen(str3);
- //申请动态三维数组
- int ***c = new int**[length1+1]; //共有length1+1行
- for(i = 0; i < length1+1; i++)
- {
- c[i] = new int*[length2+1]; //共有length2+1列
- for(j = 0; j<length2+1; j++)
- c[i][j] = new int[length3+1];
- }
- for(i = 0; i < length1+1; i++)
- {
- for(j = 0; j < length2+1; j++)
- c[i][j][0]=0;
- }
- for(i = 0; i < length2+1; i++)
- {
- for(j = 0; j < length3+1; j++)
- c[0][i][j]=0;
- }
- for(i = 0; i < length1+1; i++)
- {
- for(j = 0; j < length3+1; j++)
- c[i][0][j]=0;
- }
- for(i = 1; i < length1+1; i++)
- {
- for(j = 1; j < length2+1; j++)
- {
- for(k = 1; k < length3+1; k++)
- {
- if(str1[i-1]==str2[j-1] && str2[j-1]==str3[k-1])
- c[i][j][k]=c[i-1][j-1][k-1]+1;
- else if(str1[i-1]==str2[j-1] && str1[i-1]!=str3[k-1])
- c[i][j][k]=max1(c[i][j][k-1],c[i-1][j-1][k]);
- else if(str1[i-1]==str3[k-1] && str1[i-1]!=str2[j-1])
- c[i][j][k]=max1(c[i][j-1][k],c[i-1][j][k-1]);
- else if(str2[j-1]==str3[k-1] && str1[i-1]!=str2[j-1])
- c[i][j][k]=max1(c[i-1][j][k],c[i][j-1][k-1]);
- else
- {
- c[i][j][k]=max2(c[i-1][j][k],c[i][j-1][k],c[i][j][k-1],c[i-1][j-1][k],c[i-1][j][k-1],c[i][j-1][k-1]);
- }
- }
- }
- }
- len=c[length1][length2][length3];
- for(i = 1; i < length1+1; i++) //释放动态申请的三维数组
- {
- for(j = 1; j < length2+1; j++)
- delete[] c[i][j];
- delete[] c[i];
- }
- delete[] c;
- return len;
- }
- int main(void)
- {
- char str1[100],str2[100],str3[100];
- int len;
- printf("请输入第一个字符串:");
- gets(str1);
- printf("请输入第二个字符串:");
- gets(str2);
- printf("请输入第三个字符串:");
- gets(str3);
- len=LCSLength(str1,str2,str3);
- printf("最长公共子串的长度为:%d\n",len);
- system("pause");
- return 0;
- }
程序的效果图如下: