初学最长上升子序列心得

想要了解最长公共子序列首先要清楚这些概念：

<1> 子序列：就是在原序列中找出一部分组成的序列。 例：字符串“abcdefg” 的子序列有 “ac”、“ade”....一共有27个子序列。

<2> 最长公共子序列：一个序列 S ，如果分别是两个或多个已知序列的子序列，且是所有符合此条件序列中最长的，则 S 称为已知序列的最长公共子序列。例：字符串“cnblogs”和“belong”的最长公共子序列为“blog”。

<3> 子串：串中任意个连续的字符组成的子序列称为该串的子串

<4> 最长公共子串：两个字符串中，最长的相同子字符串的长度（也是要求字串连续）

最长公共子串和最长公共子序列的区别：子串是串的一个连续的部分，子序列则是从不改变序列的顺序，而从序列中去掉任意的元素而获得新的序列；

也就是说，子串中字符的位置必须是连续的，子序列则可以不必连续。

解决方法：动态规划算法

事实上，最长公共子序列问题也有最优子结构性质。

   记：

   Xi = 即X序列的前i个字符（1<= i <= m）(前缀)

   Yj = 即Y序列的前j个字符（1<= j <= m）(前缀)

   

   假定Z = 是LCS（X,Y)中的一个。

   ·若xm = yn（最后一个字符相同），则不难用反正法证明：该字符必是X与Y的任一最长公共子序列Z（设长度为k）的最后一个字符，即有zk = xm = yn，且显然有Zk-1∈LCS(Xm-1,Yn-1)，即Z的前缀Zk-1是Xm-1与Yn-1的最长公共子序列。此时，问题化归成求Xm-1与Yn-1的LCS（LCS(X,Y)）的长度等于LCS(Xm-1,Yn-1)的长度加1）。

   ·若xm≠yn，则亦不难用反证法证明：要么Z∈LCS(Xm-1, Y)，要么Z∈LCS(X , Yn-1)。由于zk≠xm与zk≠yn其中至少有一个必成立，若zk≠xm则有Z∈LCS(Xm-1 , Y)；类似的，若zk≠yn 则有Z∈LCS(X , Yn-1)。此时，问题化归成求Xm-1与Y的LCS及X与Yn-1的LCS。LCS(X , Y)的长度为：max{LCS(Xm-1 , Y)的长度, LCS(X , Yn-1)的长度}。

 

   由于上述当xm≠yn的情况中，求LCS(Xm-1 , Y)的长度与LCS(X , Yn-1)的长度，这两个问题不是相互独立的：两者都需要求LCS(Xm-1，Yn-1)的长度。另外两个序列的LCS中包含了两个序列的前缀的LCS，故问题具有最优子结构性质考虑用动态规划法。

也就是说，解决这个LCS问题，你要求三个方面的东西：

   1> LCS（Xm-1，Yn-1）+1；

   2> LCS（Xm-1，Y），LCS（X，Yn-1）；

   3> max{LCS（Xm-1，Y），LCS（X，Yn-1）}；

用c[i,j]记录序列Xi和Yj的最长公共子序列的长度，其中Xi=，Yj=。当i = 0或j = 0时，空序列是Xi和Yj的最长公共子序列，故c[i,j] = 0。其他情况下，可得递归关系如下所示：

由算法LCS_LENGTH和LCS计算出的结果如下图所示：

在序列X={A，B，C，B，D，A，B}和 Y={B，D，C，A，B，A}上，由LCS_LENGTH计算出的表c和b。第i行和第j列中的方块包含了c[i，j]的值以及指向b[i，j]的箭头。在c[7,6]的项4，表的右下角为X和Y的一个LCS的长度。对于i，j>0，项c[i，j]仅依赖于是否有xi=yi，及项c[i-1，j]和c[i，j-1]的值，这几个项都在c[i，j]之前计算。为了重构一个LCS的元素，从右下角开始跟踪b[i，j]的箭头即可，这条路径标示为阴影，这条路径上的每一个“↖”对应于一个使xi=yi为一个LCS的成员的项（高亮标示）。

for(i=1; i<=len1; i++)
		for(j=1; j<=len2; j++)
		{
			if(str1[i-1] ==str2[j-1])
				c[i][j] = c[i-1][j-1]+1;//当str1[i-1] ==str2[j-1]相等时， 直接在上一个最长子序列上加1； 
			else 
				c[i][j] = max(c[i][j-1],c[i-1][j]);//当str1[i-1] !=str2[j-1]相等时，找出 c[i][j-1]，c[i-1][j]中谁最大； 
		}