最长公共子序列(LCS)问题

LCS问题描述

• 定义：最长公共子序列(Longest Common Subsequence)，即定义两个序列X和Y，求X和Y的最长公共子序列（子序列：一个序列S任意删除若干个字符得到新序列T，则T叫做S的子序列）
• 例如：字符串13455与245576的最长公共子序列为455
• LCS的意义：LCS可以描述两段文字之间的“相似度”，即它们的雷同程度，从而能够用来辨别抄袭。

---

LCS解法的探索

• 暴力求解：穷举法
  分析：假设字符串X，Y的长度分别为m，n，那么字符串X，Y对应的子序列分别为2^m和2^n个。如果任意两个子序列一一比较，穷举搜索法需要指数时间O(2^(m+n))，显然不可取。

---

• 动态规划算法求解

  • 动态规划算法：动态规划一般也只能应用于有最优子结构的问题。最优子结构的意思是局部最优解能决定全局最优解(对有些问题这个要求并不能完全满足，故有时需要引入一定的近似)。简单地说，问题能够分解成子问题来解决。

  • 动态规划算法分以下四个步骤
    1.描述最优解的结构
    2.递归定义最优解的值
    3.按自底向上的方式计算最优解的值
    4.由计算出的结果构造一个最优解

  • 利用动态规划求解LCS

    • 不妨设字符串X，长度为m，从1开始数，字符串Y，长度为n，从1开始数
    • 不妨记 Xi=(x1，⋯，xi)(1≤i≤m)，Yj=(y1，⋯，yj) (1≤j≤n)
    • 假设LCS(X , Y) 为字符串X和Y的最长公共子序列，即为Z=(z1，⋯，zk)

---

     (1)若Xm = Yn(最后一个字符相同)，则Xm与Yn的最长公共子序列Zk的最后一个字符必定为Xm(Yn)
         Zk = Xm = Yn
         LCS(Xm，Yn) = LCS(X(m-1)，Y(n-1)) + Xm
         即在Xm-1和Yn-1的最长公共子序列的基础上加上相等元素

举例：Xm = Yn

String	1	2	3	4	5	6	7
X	B	D	C	A	B	A
Y	A	B	C	B	D	A	B

对于字符串字符串X，Y
X3 = Y3 = ‘C’，LCS(BDC,ABC)=LCS(BD,AB)+‘C’
X5 = Y4 = ‘B’，LCS(BDCAB,ABCB)=LCS(BDCA,ABC)+’B’

---

（2）若Xm ≠ Yn，则(1)LCS(Xm，Yn) = LCS(X(m-1)，Y(n))，(2)LCS(Xm，Yn) = LCS(X(m)，Y(n-1))
    证明：令Zk = LCS(Xm，Yn);由于Xm ≠ Yn 则Zk ≠ Xm 与Zk ≠ Yn至少有一个必然成立,因为Zk ≠ Xm，则最长公共子序列Zk是Xm-1和Yn得到的,即Zk = LCS(X(m-1)，Y(n))。同理可证若Zk ≠ Ym，Zk = LCS(X(m)，Y(n-1))
    即, 若Xm ≠ Yn，则LCS(Xm，Yn) = max{LCS(X(m-1)，Y(n))， LCS(X(m)，Y(n-1))}

举例：Xm ≠ Yn

String	1	2	3	4	5	6	7
X	B	D	C	A	B	A
Y	A	B	C	B	D	A	B

对于字符串字符串X，Y
X2 ≠ Y2 ，LCS(BD，AB)=max{LCS(BD，A), LCS(B，AB)}
X4 = Y5 ，LCS(BDCA，ABCBD)=max{ LCS(BDCA，ABCB), LCS(BDC，ABCBD) }

---

LCS分析总结：

LCS(Xm，Yn)={ LCS(X(m−1),Y(