LCS问题是最长公共子序列问题,它不要求所求得的字符在所给出的字符串中是连续的。LCS是一道非常经典的动态规划问题。
LCS问题是最长公共子串的求解问题:
思路:求最大公共子串问题可以使用分治思想
假设有两个字符串X、Y,(1)假设X或者Y其中只要有一个的长度都为0时,则其最长公共子串长度就为0;
(2)假设X和Y的长度都大于0,并且X[i]==Y[j],那么最长公共子串长度就应该是字符串X[i-1]和Y[j-1]的最长公共子串长度+1;
(3)假设X和Y的长度都大于0,并且X[i]!=Y[j],那么最长公共子串长度就应该是字符串X[i-1]和Y[j]的最长公共子串长度a与字符串X[i]和Y[j-1]的最长公共子串长度b的最大值。
第一方法是才有自下向上的策略,每一个数组单元的计算耗时是O(1),因此该算法LCS_LENGTH()时间复杂度为O(m*n)。具体的测试代码如下:
#include <iostream>
#include<string.h>
using namespace std;
int c[100][100]={0};
int Max(int x,int y)
{
return x>y?x:y;
}
int LCS_LENGTH(const char* X,const char* Y)
{
if(X==NULL||Y==NULL)
return 0;
int m=strlen(X);
int n=strlen(Y);
// cout<<m<<endl;
// cout<<n<<endl;
for(int i=1;i<m;++i)
c[i][0]=0;
for(int i=1;i<n;++i)
c[0][i]=0;
c[0][0]=0;
for(int i=1;i<=m;++i)
for(int j=1;j<=n;++j)
{
if(X[i]==Y[j])
c[i][j]=c[i-1][j-1]+1;
else
c[i][j]=Max(c[i-1][j],c[i][j-1]);
}
return c[m][n];
}
int main()
{
char X[10]={'a','b','c','d','e','f'};
char Y[10]={'c','d','l','f','g','h'};
//int p=LCS_LENGTH(X,Y);
//cout<<p<<endl;
cout<<LCS_LENGTH(X,Y)<<endl;
return 0;
}
第二种方法是动态规划的一种变形,它既有通常动态规划的方法的效率,又采用了一种自顶向下的策略,基本思想是备忘录问题或者一种递归算法。
#include <iostream>
#include<string.h>
using namespace std;
int c[100][100]={0};
int Max(int x,int y)
{
return x>y?x:y;
}
int LCS_LENGTH_2(const char* X,const char* Y,int m,int n)
//m为X长度,n为Y的长度
{
// if(c[m][n]<INF)
// return c[m][n];
if(m==0||n==0)
return 0;
else
{
if(X[m]==Y[n])
c[m][n]=LCS_LENGTH_2(X,Y,m-1,n-1)+1;
else
{//X[m]!=Y[n]
/*
int p=LCS_LENGTH_2(X,Y,m-1,n);
int q=LCS_LENGTH_2(X,Y,m,n-1);
if(p>q)
c[m][n]=p;
else
c[m][n]=q;
*/
c[m][n]=Max(LCS_LENGTH_2(X,Y,m-1,n),LCS_LENGTH_2(X,Y,m,n-1));
}
}
return c[m][n];
}
int main()
{
char X[10]={'a','b','c','d','e','f'};
char Y[10]={'c','d','e','f','g','h'};
int m=strlen(X);
int n=strlen(Y);
// memset(c,INF,sizeof(c));
//把c中的sizeof(c)个元素全部使用INF代替
cout<<LCS_LENGTH_2(X,Y,m,n)<<endl;
return 0;
}