LCS详解

LCS是什么

LCS是Longest Common Subsequence的缩写，即最长公共子序列。一个序列，如果是两个或者多个序列的子序列，并且是所有子序列中最长的，则为最长公共子序列。（有序但不连续也为子序列）

• 序列 13456 和 345674 的最长公共子序列为 3456
• 序列 ABDBC 和 BCDBA 的最长公共子序列为 BDB

LCS可以用来做什么

• 生物学上用来进行基因序列比对，以推测序列的结构、功能和演化过程
• 用来描述两段文字的”相似性“，可以用来辨别是不是抄袭

怎么计算LCS

• 暴力穷举法

  就是把两个序列所有的子序列都列出来，然后一一进行比较。

  假定字符串 A 和 B 的长度分别为 n 和 m，那么 A 共有 $2^n-1$ 个子序列，B 共有 $2^m-1$ 个子序列，然后将任意两个进行一一比较，最后得出 A 和 B 的最长公共子序列。这种算法的时间复杂度是 $O(2^{n+m})$ ，复杂度太高，当然不推荐使用。

• 动态规划法

  记：

  字符串 A ，长度为 n ，从 1 开始；字符串 A ，长度为 n ，从 1 开始。

  $A_i=<A_1,A_2,...Ai>$ 即 A 序列的前 i 个字符 $(1\le i\le n)$ ($A_i$ 计做”字符串 A 的 i 前缀)

  $B_j=<B_1,B_2,...Bj>$ 即 B 序列的前 j 个字符 $(1\le j\le m)$ ($B_j$ 计做”字符串 B 的 j 前缀)

  如果 $A_n=B_m$ (最后一个字符相同)，那么 A 和 B 的最长公共子序列 C 的最后一位 $C_k=A_n=B_m$ ，那么 $LCS(A,B)=LCS(A_n-1,B_m-1)+A_n$

  如果 $A_n̸=B_m$ ，那么他们的最长公共子序列 C 要么是 $LCS(A_{n-1},B_m)$ ，要么是 $LCS(A_n,B_{m-1})$ ，所以 L C S ( A , B ) = m a x { L C S ( A n − 1 , B m ) , L C S ( A n , B m − 1 ) } LCS(A,B)=max\{LCS(A_{n-1},B_m),LCS(A_n,B_{m-1})\} LCS(A,B)=max{LCS(An−1​,Bm​),LCS(An​,Bm−1​)}

  	1	2	3	4	5	6	7
  A	B	D	C	A	B	A
  B	A	B	C	B	D	A	B

  $A_3=B_3{=}^{\prime }{C}^{\prime }$ 那么 $LCS(BDC,ABC)=LCS(BD,AB){+}^{\prime }{C}^{\prime }$

  $A_5=B_4{=}^{\prime }{B}^{\prime }$ 那么 $LCS(BDCAB,ABCB)=LCS(BDCA,ABC){+}^{\prime }{B}^{\prime }$

  $A_2̸=B_2$ 那么 L C S ( B D , A B ) = m a x { L C S ( B , A B ) , L C S ( B D , A ) } LCS(BD,AB)=max\{LCS(B,AB),LCS(BD,A)\} LCS(BD,AB)=max{LCS(B,AB),LCS(BD,A)}

  $A_4̸=B_5$ 那么 L C S ( B D C A , A B C B D ) = m a x { L C S ( B D C , A B C B D ) , L C S ( B D C A , A B C B ) } LCS(BDCA,ABCBD)=max\{LCS(BDC,ABCBD),LCS(BDCA,ABCB)\} LCS(BDCA,ABCBD)=max{LCS(BDC,ABCBD),LCS(BDCA,ABCB)}

  由以上可以得出

  L C S ( A n , B m ) = { L C S ( A n − 1 , B m − 1 + A n )                          A n = B m m a x { L C S ( A n − 1 , B m ) , L C S ( A n , B m − 1 ) } A n ̸ = B m LCS(A_n,B_m)=\begin{cases}LCS(A_{n-1},B_{m-1}+A_n) \quad \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \quad A_n=B_m\\ max\{LCS(A_{n-1},B_m),LCS(A_n,B_{m-1})\} \quad A_n\not=B_m\end{cases} LCS(An​,Bm​)={LCS(An−1​,Bm−1​+An​)                        An​=Bm​max{LCS(An−1​,Bm​),LCS(An​,Bm−1​)}An​̸​=Bm​​

使用动态规划法求解

首先上一幅图

记一个二维数组 $c[m,n]$，$c[i,j]$ 的值为 $x_i$ 和 $y_j$ 的最长公共子序列的长度，然后不难得出当 $i=0$ 或 $j=0$ 的时候 $X_i$ 和 $Y_j$ 的最长公共子序列的长度。然后通过动态规划法的公式得出
c ( i , j ) = { 0 i = 0 , j = 0 c ( i − 1 , j − 1 )                          i &gt; 0 , j &gt; 0 , x i = y j m a x { c ( i − 1 , j ) , c ( i , j − 1 ) ) } i &gt; 0 , j &gt; 0 , x i ̸ = y j c(i,j)=\begin{cases}0 \quad \quad \quad \quad i=0,j=0 \\ c(i-1,j-1) \quad \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \quad i&gt;0,j&gt;0,x_i=y_j\\ max\{c(i-1,j),c(i,j-1))\} \quad i&gt;0,j&gt;0,x_i\not=y_j\end{cases} c(i,j)=⎩⎪⎨⎪⎧​0i=0,j=0c(i−1,j−1)                        i>0,j>0,xi​=yj​max{c(i−1,j),c(i,j−1))}i>0,j>0,xi​̸​=yj​​
然后我们通过公式计算 $c(1,1)$ ，因为 $x_1$ 和 $y_1$ 不相等，得出 c ( 1 , 1 ) = m a x { c ( 0 , 1 ) , c ( 1 , 0 ) } = 0 c(1,1)=max \{ c(0,1),c(1,0) \}=0 c(1,1)=max{c(0,1),c(1,0)}=0 。然后依次计算，就会得到图中的值，然后得出 $x$ 和 $y$ 的最长公共子序列的长度为4。我们在计算的时候会发现一个规律：当 $x_i=y_j$ 的时候 $c(i,j)$ 的值为左上角格子的数加1；当 $x_i̸=y_j$ 的时候 $c(i,j)$ 的值为左侧格子和上边格子中的较大的一个。

代码实现

import sys

str1 = sys.argv[1]
str2 = sys.argv[2]

len1 = len(str1)
len2 = len(str2)

maxChildLen = 0

lcs_ss = [[0 for i in range(len2 + 1)] for j in range(len1 + 1)]

for i in range(1, len1 + 1):
    for j in range(1, len2 + 1):
        if str1[i-1] == str2[j-1]:
            lcs_ss[i][j] = lcs_ss[i-1][j-1] + 1
        else:
            lcs_ss[i][j] = max(lcs_ss[i-1][j], lcs_ss[i][j-1])

maxChildLen = lcs_ss[len1][len2]

print("str1: %s" % str1)
print("str2: %s" % str2)
print("LCS: %s" % maxChildLen)

随便输入两个字符串，然后观察打印结果

str1: acedbae
str2: becadeac
LCS: 3

Process finished with exit code 0

若有任何问题，恳请不吝指正。

---

欢迎关注公众号：「努力给自己看」