文本比较算法2

 

<script type="text/javascript"> document.body.oncopy = function() { if (window.clipboardData) { setTimeout(function() { var text = clipboardData.getData("text"); if (text && text.length>300) { text = text + "/r/n/n本文来自CSDN博客，转载请标明出处：" + location.href; clipboardData.setData("text", text); } }, 100); } } </script> <script class="blogstory">function StorePage(){d=document;t=d.selection?(d.selection.type!='None'?d.selection.createRange().text:''):(d.getSelection?d.getSelection():'');void(keyit=window.open('http://www.365key.com/storeit.aspx?t='+escape(d.title)+'&u='+escape(d.location.href)+'&c='+escape(t),'keyit','scrollbars=no,width=475,height=575,left=75,top=20,status=no,resizable=yes'));keyit.focus();}</script>

上回说到，如何确定最大匹配数。接下来，本次将简述如何确定最优匹配路径。仿照确定最大匹配数的算法，这个问题也非常容易解决，不知道这周当中，有没有哪位 XDJM 已经有了自己的解决方案呢？

有问题可以发邮件给我： Calriones@hotmail.com

文本比较算法剖析（ 2 ） - 如何确定最优匹配路径

确定最优匹配路径的问题，通常在做文件比较时要用到，它的意思是：在所有能够得到最大匹配点数的路径中，找出一条最短的路径。

让我们继续以上次的例子进行研究：

 

首先，我们仍然是手工标出能够得到最大匹配点数的所有路径。在手工绘制可用路径的时候，需要说明一下：

l          首先，这里我们以计算 left 的最优路径为例。计算 right 的最优路径和 left 是完全对称的；

l          在图中，向右移动一格，表示 left 的当前元素放弃和 right 的当前元素进行匹配，而和 right 的下一个元素进行匹配。如果进行文件比较的话，就是 left 文件的当前行前，插入 right 文件的当前行；

l          在图中，向下移动一格，表示 left 的当前元素放弃和 right 的当前元素进行匹配，而使用 left 的下一个元素和 right 的当前元素进行匹配。如果进行文件比较的话，就是 left 文件的当前行被删除；

l          在途中，向右下方移动一格，表示确定 left 和 right 的当前元素的匹配，使用 left 的下一个元素和 right 的下一个元素进行匹配。如果进行文件比较的话，就是 left 和 right 文件的当前行已经匹配，分别比较下一行。

l          由于 left 和 right 是流式的，所以每个元素只能匹配一次而且不能颠倒顺序，所以，在 x 和 y 方向上，只能保留一个匹配点，而且只能向下，向右，或者向右下方移动。

 

有了这些规则，我们就可以得到如下图中间红色粗线所示的 4 条可能的路径。

 

从上向下，依次编号为 1,2,3,4 号路径，分析如下：

1 号路径表示（只说明含义，算法推导在后面）：

依次类推，可以得到其他路径的实际含义。需要说明的是， 3 号路径在选择第二个匹配点时，没有采用 left[9]:right[1] 的匹配关系，而是跳过 left[9] ，采用了 left[11]:right[1] 。这样，点 (left[9], right[1]) 在 3 号路径上是“删除 left 第 9 行”的意思。

如果我将整个过程中在 left 上移动的距离纪录下来，就得到：

从图上就很容易看出，在 left 上移动最短的，也就是最优的路径，是 4 号路径。

是不是看起来毫无头绪？

别急，象上次一样，我们进行一个分析。

依然是归纳法，依然是找出元素 D(l,r) 的 3 个相邻区域 A,B,C:

分析：

1.          如果点 D(l,r) 表示从 left 的第 L 个元素， right 的第 R 个元素出发，匹配到矩阵边界后，在 left 方向上的最短路径长度 （我更喜欢称之为 depth ） ，那么：

2.          如果点 (l,r) 是一个被确定的匹配点，那么下一步，只能选择进入 A 区域，到点 (l+1,r+1) ，所以得到：

D1       If (V(l,r)>0) then D(l,r) = 1 + D(l+1,r+1)
还记得 V(l,r) 和 N(l,r) 的定义么？可以看看文档《文本比较算法剖析（ 1 ） - 如何确定最大匹配率 》

3.          如果点 (l,r) 不是一个被确定的匹配点，那么下一步可以进入 B 或者 C.

D2       如果进入 B 区域，那么意味着 ” 插入 right 的第 r 行 ” ，但是在 left 的位置保持不变，所以得到：
If (V(l,r) == 0) then D(l,r) = D(l,r+1)

D3       如果进入 C 区域，那么意味着 ” 删除 left 的第 l 行 ” ，在 right 的位置保持不变，但是在 left 的位置要加 1 。所以得到 :
If (V(l,r) == 0) then D(l,r) = 1 + D(l+1,r)

那么现在有 3 个值 D1 ， D2 ， D3 ，该如何取舍呢？直接取 Min(D1,D2,D3) 可以么？

 

呵呵，其实，我也是尝试了很多次以后才搞清楚的。大家可以用 excel 验证一下自己的想法。很简单的，大概验证整个算法，用 10 行左右的代码再加上 excel 本身提供的公式就足够了。

 

4.          不要忘记了前面说过的， ” 在所有能够得到最大匹配点数的路径中，找出一条最短的路径 ”, 首先我们要保证得到最大匹配匹配点数，所以我们又有：

If (N(l,r+1) >= N (l+1,r) then

D(l,r) = D(l,r+1);

Else

   D(l+r) = 1 + D(l+1,r)

综合上面所有的分析，路径长度 D(l,r) 的计算公式就是：
    If (V(l,r) = 1) Then

        D(l,r) = D(l+1,r+1) + 1

    Else

        If (N(l,r＋1) >= N(l+1,r)) Then

            D(l,r) = D(l,r+1)

        Else

            D(l,r) = D(l+1,r) + 1

        End If

将公式写入 excel 自动计算，得到结果如图：

可以看到，结果正确。

 

OK 。 结束了，文本比较的算法核心就介绍完了。

事实上，上面第四步给出的是优化后的结果，有兴趣的可以自己试着分析一下第 4 步是否应该这样计算，有什么情况我没有在这里讲的，但是结果为什么又是正确的。

 

有了这个算法，大家可以很快的编写自己的文本比较功能了。

计算最优路径的附加时间复杂度为 0 ，因为它完全可以和计算最大匹配点数一起进行；附加的空间复杂度为 Max(m,n), 因为它需要一个额外的数组纪录 N(l+1) 。

 

如果不计算最优路径的话，计算最大匹配点数的算法还可以再优化。

 

 

 

Moblin 技术沙龙