最长公共子序列以及最长公共子字符串_最长公共子序列得到子字符串-CSDN博客

问题描述：

子串应该比较好理解，至于什么是子序列，这里给出一个例子：有两个母串：

cnblogs
belong

比如序列bo、bg、lg在母串cnblogs与belong中都出现过并且出现顺序与母串保持一致，我们将其称为公共子序列。最长公共子序列（Longest Common Subsequence，LCS），故名思义，是指在所有的子序列中最长的一个。子串是要求更严格的一种子序列，要求在母串中连续地出现。在上述例子中，最长公共子序列为blog(cn blogs， be lon g)，最长公共子串为lo(cnb logs，be long)。

求解算法

对于母串X=<x1, x2, ..., xm>，Y=<y1, y2, ..., yn>，求LCS与最长公共子串。

暴力解法

假设m<n，对于母串X，我们可以暴力找出2的m次方个子序列，然后依次在母串Y中匹配，算法的时间复杂度会达到指数级O(n*2的m次)。显然，暴力求解不太适用于此类问题。

动态规划

假设Z=<z1, z2, ..., zk>是X与Y的LCS，我们观察到

如果Xm=Yn，则Zk=Xm=Yn，有Zk-1是Xm-1与Yn-1的LCS；

如果Xm≠Yn，则Zk是Xm与Yn-1的LCS，或者是Xm-1与Yn的LCS。

因此，求解LCS的问题则变成递归求解的两个子问题。但是，上述的递归求解的办法中，重复的子问题太多，效率低下。改进的办法—— 用空间换时间，用数组保存中间状态，方便后面的计算。这就是动态规划（DP）的核心思想了。

DP求解LCS

用二维数组c[i][j]记录串x1x2...xi与y1y2...yj的LCS长度，则可得到状态转移方程：

代码实现：

public static int lcs(String str1, String str2) {
     int len1 = str1.length();
     int len2 = str2.length();
     int[][] c = 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) {
                    c[i][j] = 0;
               } else if(str1.charAt(i-1) == str2.charAt(j-1)) {
                    c[i][j] = c[i-1][j-1] + 1;
               } else {
                    c[i][j] = max(c[i-1][j], c[i][j-1]);
               }
          }
     }
     return c[len1][len2];
}

DP求解最长公共子串

前面提到了子串是一种特殊的子序列，因此同样可以用DP来解决。定义数组的存储含义对于后面推导转移方程显得尤为重要，糟糕的数组定义会导致异常繁杂的转移方程。考虑到子串的连续性，将二维数组c[i][j]用来记录具有这样特点的子串——结尾同时也为串x1x2...xi与y1y2...yj的结尾——的长度。

得到转移方程：

代码如下：

public static int lcs(String str1, String str2) {
     int len1 = str1.length();
     int len2 = str2.length();
     int result = 0;//记录最长公共子串长度
     int[][] c = 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) {
                    c[i][j] = 0;
               } else if(str1.charAt(i-1) == str2.charAt(j-1)) {
                    c[i][j] = c[i-1][j-1] + 1;
                    result = max(c[i][j], result);
               } else {
                    c[i][j] = 0;
               }
          }
     }
     return result;
}

参考资料

[1] cs2035, Longest Common Subsequence.
[2] 一线码农, 经典算法题每日演练——第四题最长公共子序列.

[3] GeeksforGeeks, Dynamic Programming | Set 29 (Longest Common Substring).

本文转载自：http://www.cnblogs.com/en-heng/p/3963803.html