如果简单递归解决最长公共子序列这一问题,时间复杂度为指数级,因为有大量的重复子问题。经研究发现,最长公共子序列满足动态规划算法的条件,所以我们用动态规划解之。
假设字符序列A=“a0,a1,…,am-1”,B=“b0,b1,…,bn-1”,Z=“z0,z1,…,zk-1”为它们的最长公共子序列。
不难证明有以下性质:
(1) 如果am-1=bn-1,则zk-1=am-1=bn-1,且“z0,z1,…,zk-2”是“a0,a1,…,am-2”和“b0,b1,…,bn-2”的一个最长公共子序列;
(2) 如果am-1!=bn-1,则若zk-1!=am-1,蕴涵“z0,z1,…,zk-1”是“a0,a1,…,am-2”和“b0,b1,…,bn-1”的一个最长公共子序列;
(3) 如果am-1!=bn-1,则若zk-1!=bn-1,蕴涵“z0,z1,…,zk-1”是“a0,a1,…,am-1”和“b0,b1,…,bn-2”的一个最长公共子序列。
这样,在求解序列A和B的公共子序列时: 如有am-1=bn-1,则可将问题归结为解决一个子问题,求解“a0,a1,…,am-2”和“b0,b1,…,bm-2”的一个最长公共子序列;如果am-1!=bn-1,则要解决两个子问题,找出“a0,a1,…,am-2”和“b0,b1,…,bn-1”的一个最长公共子序列和找出“a0,a1,…,am-1”和“b0,b1,…,bn-2”的一个最长公共子序列,再取两者中较长者作为A和B的最长公共子序列。
求解:
我们用一个二维数组c[][]记录公共子序列的中间结果。
初始化以及搜索过程如下表:
程序如下:
public static int LCS(String s1, String s2)
{
if (s1 == null || s1.length() == 0 || s2 == null || s2.length() == 0)
return 0;
int len1 = s1.length();
int len2 = s2.length();
int[][] res = new int[len1 + 1][len2 + 1];
for (int i = 0; i <= len1; ++i)
{
for (int j = 0; j <= len2; ++j)
{
if (i == 0 || j == 0)
res[i][j] = 0;
else if (s1.charAt(i - 1) == s2.charAt(j - 1))
res[i][j] = res[i - 1][j - 1] + 1;
else
res[i][j] = max(res[i - 1][j], res[i][j - 1]);
}
}
return res[len1][len2];
}
public static int max(int a, int b)
{
return a > b ? a : b;
}