递归解决最长公共子序列问题（LCS）

 

前言

写在前面，这篇文章是我大一的时候写的，质量比较差，没想到还是被挺多人看到了，有上千的阅读量，说实话有点内疚~~，因为之前写的太差了，看了我文章可能对这个问题更不清楚了。
抱着不能坑别人的想法，我重新编辑了一下文章，希望还是能帮到大家的。

其实用递归解决最长公共子序列是不好的，网上最多的方法应该是用动态规划解这个问题，动态规划解这个问题确实优秀很多，但动态规划理解起来是有难度的，我建议可以先从递归开始理解，然后再使用更好的办法来解决这个问题

思路

那么如何用递归解决LCS(最长公共子序列)呢？
 

这里我就不复述什么是最长公共子序列了，相信大家都知道，不知道的可以百度
 

减而治之

减而治之是我们用递归这个工具来解决LCS问题的主要策略
求解思想：
将问题规模减小，得到子问题，用递归或者迭代的方式求解子问题 

对于两个序列，我们通过自己手动观察计算的时候，其实是经历了以下步骤的
1. 比较两个序列的字符
2. 字符相等进行下一步比较
3. 字符不相等的下一步比较

其实程序也是这样设计的
现在来看一个例子

A序列: didacticA , A[0, m] (m指的是A序列的长度)
B序列: advantA, B[0, n] (n指得是B序列的长度)

 

我们将问题规模减小，从整体的观察整个序列缩小到每个字符进行比较

string a = "didacticA"
string b = "advantA"

我们比较字符，a[0]与b[0]比较

1. 字符不相等， 那我们有两种选择

• 拿去掉第一位的a，与整个b比较，也就是"idacticA"和"adbantA"比较
• 拿去掉第一位的b，与整个a比较，也就是"didacticA"和"dvantA"比较

为什么要这么做呢，因为我们不知道这两种选择，哪种会更好，所以我们把两种都计算出来
2. 字符相等，我们减小序列规模，比较下一位
3. 我们不停的重复这个比较的步骤，就能将问题规模一直缩小，最后解决这个问题
(可以自己用手算几步比较的过程，对理解算法有很大的好处)
 

那么用程序来实现我们的想法

1. A[m] == B[n] 则取LCS(m+1, n+1)+1， 因为当前一个字符相同，我们加上1，然后截去这个字符把剩下的两个串继续比较

2. A[m]  != B[n]， 这时候我们拆分成两个问题，
截去A当前字符剩下的串与B串比较，写成LCS(m+1, n)
截去B当前字符剩下的串与A串比较，写出LCS(m, n+1)
然后我们返回这两个子问题更大的那一方max(LCS(m, n+1), LCS(m+1, n))

3. 我们的程序什么时候结束呢，当m或者n超出了它们所对应串的长度时

 

 

#include<iostream>
using namespace std;
string a, b;

int LCS(int m, int n) {
  if(m == a.length() || n == b.length()) 
    return 0;
  if(a[m] == b[n]) 
    return LCS(m+1, n+1)+1;
  if(a[m] != b[n]) 
    return max(LCS(m, n+1), LCS(m+1, n));
}

int main() {
  a = "didacticA";
  b = "advantA";
  cout << LCS(0, 0) << endl;
}

这种方式求解LCS效率十分低下，因为会出现大量的重复子问题，所以我们应该考虑使用更好的方法动态规划来解决它

关于动态规划的解法，我就不列出来了，网上有相当多优秀的博客可以参考~