1 最长公共子序列问题概述
1.1 问题定义
序列 A = { a 1 , a 2 , . . . , a m } A=\{a_1,a_2,...,a_m\} A={a1,a2,...,am},序列 B = { b 1 , b 2 , . . . , b n } B=\{b_1,b_2,...,b_n\} B={b1,b2,...,bn}。如果存在一个序列 C = { c 1 , c 2 , . . . , c k } C=\{c_1,c_2,...,c_k\} C={c1,c2,...,ck},其中 c i ∈ A , B c_i \in A,B ci∈A,B ( i = 1 , 2 , . . . , k ) (i=1,2,...,k) (i=1,2,...,k),且 c 1 , c 2 , . . . , c k c_1,c_2,...,c_k c1,c2,...,ck在 A , B A,B A,B中出现的先后顺序要保持一致,则称序列 C C C是序列 A A A和序列 B B B的公共子序列。
要求找出序列 A A A和序列 B B B的最长的公共子序列。
1.2 举个栗子
序列 A = { 1 , 2 , 3 } A=\{1,2,3\} A={1,2,3},序列 B = { 2 , 3 , 4 } B=\{2,3,4\} B={2,3,4}。
序列 A A A的子序列有: { 1 } , { 2 } , { 3 } , { 1 , 2 } , { 1 , 3 } , { 2 , 3 } , { 1 , 2 , 3 } \{1\},\{2\},\{3\},\{1,2\},\{1,3\},\{2,3\},\{1,2,3\} {1},{2},{3},{1,2},{1,3},{2,3},{1,2,3}
序列 B B B的子序列有: { 2 } , { 3 } , { 4 } , { 2 , 3 } , { 2 , 4 } , { 3 , 4 } , { 2 , 3 , 4 } \{2\},\{3\},\{4\},\{2,3\},\{2,4\},\{3,4\},\{2,3,4\} {2},{3},{4},{2,3},{2,4},{3,4},{2,3,4}
序列 A A A和 B B B的公共子序列有: { 2 } , { 3 } , { 2 , 3 } \{2\},\{3\},\{2,3\} {2},{3},{2,3}
所以序列 A A A和 B B B的最长公共子序列是: { 2 , 3 } \{2,3\} {2,3}
2 动态规划求解最长公共子序列问题
序列 A = { a 1 , a 2 , . . . , a m } A=\{a_1,a_2,...,a_m\} A={a1,a2,...,am},序列 B = { b 1 , b 2 , . . . , b n } B=\{b_1,b_2,...,b_n\} B={b1,b2,...,bn}。
假设序列 C = { c 1 , c 2 , . . . , c k } C=\{c_1,c_2,...,c_k\} C={c1,c2,...,ck}是两个序列的最长公共子序列,则有以下推论:
- 如果 a m = b n a_m=b_n am=bn,则 c k = a m = b n c_k=a_m=b_n ck=am=bn,且序列 { c 1 , c 2 , . . . , c k − 1 } \{c_1,c_2,...,c_{k-1}\} {c1,c2,...,ck−1}是序列 { a 1 , a 2 , . . . , a m − 1 } \{a_1,a_2,...,a_{m-1}\} {a1,a2,...,am−1}和序列 { b 1 , b 2 , . . . , b n − 1 } \{b_1,b_2,...,b_{n-1}\} {b1,b2,...,bn−1}的最长公共子序列
- 如果 a m ≠ b n a_m\neq b_n am=bn,且 c k ≠ a m c_k\neq a_m ck=am,则 c k = b n c_k=b_n ck=bn,序列 { c 1 , c 2 , . . . , c k } \{c_1,c_2,...,c_{k}\} {c1,c2,...,ck}是序列 { a 1 , a 2 , . . . , a m − 1 } \{a_1,a_2,...,a_{m-1}\} {a1,a2,...,am−1}和序列 { b 1 , b 2 , . . . , b n } \{b_1,b_2,...,b_{n}\} {b1,b2,...,bn}的最长公共子序列
- 如果 a m ≠ b n a_m\neq b_n am=bn,且 c k ≠ b n c_k\neq b_n ck=bn,则 c k = a m c_k=a_m ck=am,序列 { c 1 , c 2 , . . . , c k } \{c_1,c_2,...,c_{k}\} {c1,c2,...,ck}是序列 { a 1 , a 2 , . . . , a m } \{a_1,a_2,...,a_{m}\} {a1,a2,...,am}和序列 { b 1 , b 2 , . . . , b n − 1 } \{b_1,b_2,...,b_{n-1}\} {b1,b2,...,bn−1}的最长公共子序列
记 C [ i , j ] C[i,j] C[i,j]为序列 { a 1 , a 2 , . . . , a i } \{a_1,a_2,...,a_i\} {a1,a2,...,ai}和序列 { b 1 , b 2 , . . . , b j } \{b_1,b_2,...,b_j\} {b1,b2,...,bj}的最长公共子序列(LCS)的长度。根据上述推论,可以得到 C [ i , j ] C[i,j] C[i,j]的递推公式:
C [ i , j ] = { 0 i = 0 或 j = 0 C [ i − 1 , j − 1 ] + 1 i , j > 0 , x i = y i m a x { C [ i , j − 1 ] , C [ i − 1 , j ] } x , j > 0 , x i ≠ y j C[i,j]=\left\{ \begin{array}{lcl} 0 & &{i=0 或 j=0}\\ C[i-1,j-1]+1 & &{i,j>0,x_i=y_i}\\ max\{C[i,j-1],C[i-1,j]\} & &{x,j>0,x_i\neq y_j} \end{array} \right. C[i,j]=⎩⎨⎧0C[i−1,j−1]+1max{C[i,j−1],C[i−1,j]}i=0或j=0i,j>0,xi=yix,j>0,xi=yj
在求最长公共子序列长度矩阵
C
C
C的时候,需要借助一个辅助矩阵
B
B
B来记录求得
C
[
i
,
j
]
C[i,j]
C[i,j]的过程:
B
[
i
,
j
]
=
{
0
A
[
i
]
=
B
[
i
]
1
A
[
i
]
≠
B
[
i
]
,
C
[
i
−
1
,
j
]
>
C
[
i
,
j
−
1
]
2
A
[
i
]
≠
B
[
i
]
,
C
[
i
−
1
,
j
]
<
C
[
i
,
j
−
1
]
3
A
[
i
]
≠
B
[
i
]
,
C
[
i
−
1
,
j
]
=
C
[
i
,
j
−
1
]
B[i,j]=\left\{ \begin{array}{lcl} 0 & &{A[i]=B[i]}\\ 1 & &{A[i]\neq B[i],C[i-1,j]>C[i,j-1]}\\ 2 & &{A[i]\neq B[i],C[i-1,j]<C[i,j-1]}\\ 3 & &{A[i]\neq B[i],C[i-1,j]=C[i,j-1]} \end{array} \right.
B[i,j]=⎩⎪⎪⎨⎪⎪⎧0123A[i]=B[i]A[i]=B[i],C[i−1,j]>C[i,j−1]A[i]=B[i],C[i−1,j]<C[i,j−1]A[i]=B[i],C[i−1,j]=C[i,j−1]
在求得最长公共子序列 C C C以及辅助矩阵 B B B之后,即可使用回溯法来得到所有的最长公共子序列。
3 实现代码
3.1 LCS.h
# ifndef _LCS_H
# define _LCS_H
# include <vector>
using namespace std;
/**
* 序列类
*/
class Seq{
public:
//数据指针
int* data=nullptr;
//数据长度
int len=0;
Seq(int* data,int len){
this->data=data;
this->len=len;
}
};
// LCS类
class LCS{
private:
//最长公共子序列长度矩阵
int** C=nullptr;
//辅助矩阵
int** src=nullptr;
//使用动态规划方法计算C矩阵和src矩阵
void writeTable(Seq* seq1,Seq* seq2);
//使用回溯方法来得到所有的最长公共子序列
void createSubSeq(Seq* seq1,vector<int>lcs , int i,int j,int MaxLen,vector<vector<int>>&LcsSet);
public:
/**
* 对外的接口
* 输入是两个序列
* 输出是0-n条最长公共子序列
*/
vector<vector<int>> getLCS(Seq* seq1,Seq* seq2);
};
#endif
3.2 LCS.cpp
# include "LCS.h"
#include <cstdio>
# include <vector>
#include <algorithm>
using namespace std;
/**
* 动态规划法求最长公共子序列长度矩阵C以及辅助矩阵
* 输入是两个序列
*/
void LCS::writeTable(Seq* seq1,Seq* seq2){
// 此处有一个小技巧,扩展了一行一列,由于后面会出现C[i-1][j] C[i][j-1],扩展一行一列可以避免下标出现-1
int len1=seq1->len+1;
int len2=seq2->len+1;
//分配内存
C=new int*[len1];
src = new int*[len1];
for(int i=0;i<len1;i++){
C[i] = new int[len2];
src[i] = new int[len2];
}
//计算C矩阵和辅助矩阵src
for(int i=0;i<len1;i++){
for(int j=0;j<len2;j++){
if(i==0||j==0){ //自行扩展的一行一列,无意义
C[i][j]=0; //无实际用处
src[i][j]=0; //无实际用处
}else if(seq1->data[i-1]==seq2->data[j-1]){
C[i][j]=C[i-1][j-1]+1;
src[i][j]=0;
}else{
if(C[i-1][j]>C[i][j-1]){
C[i][j]=C[i-1][j];
src[i][j]=1;
}else if(C[i-1][j]<C[i][j-1]){
C[i][j]=C[i][j-1];
src[i][j]=2;
}else{
C[i][j]=C[i][j-1];
src[i][j]=3;
}
}
}
}
}
/**
* 判断子序列是否和已有的子序列重复
* 输入:LcsSet为已有的子序列集合,lcs为待加入的子序列
* 输出:若重复返回true,否则false
*/
bool isRepeat(vector<vector<int>>LcsSet,vector<int>lcs){
int flag=0;
for(int i=0;i<LcsSet.size();i++){
if(lcs.size()!=LcsSet.at(i).size()){
return true;
}
for(int j=0;j<lcs.size();j++){
if(lcs.at(j)!=LcsSet.at(i).at(j)){
flag=1;
}
}
if(flag==0){
return true;
}
flag=0;
}
return false;
}
/**
* 使用回溯法来找出所有的最长公共子序列,此处使用辅助矩阵src完成,用到递归编程技巧
* seq1是第一个序列,与C[i][j]的i对应;lcs是最长公共子序列;i,j是下标;Maxlen是最长公共子序列的长度;LcsSet是最长公共子序列的集合
*/
void LCS::createSubSeq(Seq* seq1,vector<int>lcs , int i,int j,int MaxLen,vector<vector<int>>&LcsSet){
if(i==0||j==0){
if(lcs.size()==MaxLen&&MaxLen>0){//已经回溯完成
reverse(lcs.begin(),lcs.end()); //翻转一下
if(!isRepeat(LcsSet,lcs)){ //去重
LcsSet.push_back(lcs); //加入
}
}
return;
}
switch (src[i][j]){
case 0://左上角
lcs.push_back(seq1->data[i-1]); //seq1对应i
createSubSeq(seq1,lcs,i-1,j-1,MaxLen,LcsSet);
break;
case 1://向上
createSubSeq(seq1,lcs,i-1,j,MaxLen,LcsSet);
break;
case 2://左
createSubSeq(seq1,lcs,i,j-1,MaxLen,LcsSet);
break;
case 3://左右皆可
createSubSeq(seq1,lcs,i-1,j,MaxLen,LcsSet);
createSubSeq(seq1,lcs,i,j-1,MaxLen,LcsSet);
break;
default:
break;
}
}
vector<vector<int>> LCS::getLCS(Seq* seq1,Seq* seq2){
if(seq1->len==0||seq2->len==0||seq1->data==nullptr||seq2->data==nullptr){
return vector<vector<int>>();
}
writeTable(seq1,seq2);
vector<int> lcs;
vector<vector<int>> LcsSet;
createSubSeq(seq1,lcs,seq1->len,seq2->len,C[seq1->len][seq2->len],LcsSet);
return LcsSet;
}
3.3 test.cpp
#include "LCS.h"
#include <cstdio>
#include <vector>
using namespace std;
void test1(){
LCS* lcs = new LCS();
Seq seq1 = Seq(new int[7]{1,8,2,3,7,8,2},7);
Seq seq2 = Seq(new int[9]{3,5,7,4,8,6,7,8,2},9);
vector<vector<int>> LcsSet= lcs->getLCS(&seq1,&seq2);
printf("nums of lcs : %d\n",LcsSet.size());
for(int i=0;i<LcsSet.size();i++){
for(int j=0;j<LcsSet.at(i).size();j++){
printf("%d ",LcsSet.at(i).at(j));
}
printf("\n");
}
}
int main(){
test1();
return 0;
}
3.4 Makefile
FLAG= -std=c++11
LIBS=
act:test.o LCS.o
g++ -o act test.o LCS.o $(FLAG) $(LIBS)
test.o:test.cpp
g++ -c test.cpp $(FLAG)
LCS.o:LCS.cpp LCS.h
g++ -c LCS.cpp $(FLAG)