公共子序列

本文内容参考如下：
【1】 https://blog.csdn.net/lyy289065406/article/details/78702485；
【2】《算法导论》第3版 15.4节
最长公共子序列（longest common sequence）：即一个给定的序列的子序列，就是将给定序列中零个或多个元素去掉之后得到的结果。
和最长公共子串（longest common substring）：给定串中任意个连续的字符组成的子序列称为该串的子串。、
给一个图再解释一下：

2.动态规划
求解LCS问题，不能使用暴力搜索方法。一个长度为n的序列拥有 2的n次方个子序列，它的时间复杂度是指数阶，太恐怖了。解决LCS问题，需要借助动态规划的思想。
动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值的解。动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。与分治法不同的是，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算了很多次。如果我们能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，这样就可以避免大量的重复计算，节省时间。我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。这就是动态规划法的基本思路。
3.特征分析
解决LCS问题，需要把原问题分解成若干个子问题，所以需要刻画LCS的特征。
设A=“a0，a1，…，am”，B=“b0，b1，…，bn”，且Z=“z0，z1，…，zk”为它们的最长公共子序列。不难证明有以下性质：
如果am=bn，则zk=am=bn，且“z0，z1，…，z(k-1)”是“a0，a1，…，a(m-1)”和“b0，b1，…，b(n-1)”的一个最长公共子序列；
如果am!=bn，则若zk!=am，蕴涵“z0，z1，…，zk”是“a0，a1，…，a(m-1)”和“b0，b1，…，bn”的一个最长公共子序列；
如果am!=bn，则若zk!=bn，蕴涵“z0，z1，…，zk”是“a0，a1，…，am”和“b0，b1，…，b(n-1)”的一个最长公共子序列。
有些同学，一看性质就容易晕菜，所以我给出一个图来让这些同学理解一下：

   以我在第1小节举的例子（S1={1,3,4,5,6,7,7,8}和S2={3,5,7,4,8,6,7,8,2}），并结合上图来说：
   假如S1的最后一个元素 与 S2的最后一个元素相等，那么S1和S2的LCS就等于 {S1减去最后一个元素} 与 {S2减去最后一个元素} 的 LCS  再加上 S1和S2相等的最后一个元素。
   假如S1的最后一个元素 与 S2的最后一个元素不等（本例子就是属于这种情况），那么S1和S2的LCS就等于 ： {S1减去最后一个元素} 与 S2 的LCS， {S2减去最后一个元素} 与 S1 的LCS 中的最大的那个序列。

4.递归公式
第3节说了LCS的特征，我们可以发现，假设我需要求 a1 … am 和 b1 … b(n-1)的LCS 和 a1 … a(m-1) 和 b1 … bn的LCS，一定会递归地并且重复地把如a1… a(m-1) 与 b1 … b(n-1) 的 LCS 计算几次。所以我们需要一个数据结构来记录中间结果，避免重复计算。
假设我们用c[i,j]表示Xi 和 Yj 的LCS的长度（直接保存最长公共子序列的中间结果不现实，需要先借助LCS的长度）。其中X = {x1 … xm}，Y ={y1…yn}，Xi = {x1 … xi}，Yj={y1… yj}。可得递归公式如下：

5.计算LCS的长度
还是以s1={1,3,4,5,6,7,7,8},s2={3,5,7,4,8,6,7,8,2}为例。我们借用《算法导论》中的推导图：

     图中的空白格子需要填上相应的数字（这个数字就是c[i,j]的定义，记录的LCS的长度值）。填的规则依据递归公式，简单来说：如果横竖（i,j）对应的两个元素相等，该格子的值 = c[i-1,j-1] + 1。如果不等，取c[i-1,j] 和 c[i,j-1]的最大值。首先初始化该表：
     
      然后，一行一行地从上往下填：
     
      S1的元素3 与 S2的元素3 相等，所以 c[2,1] = c[1,0] + 1。继续填充：
      
        S1的元素3 与 S2的元素5 不等，c[2,2] =max(c[1,2],c[2,1])，图中c[1,2] 和 c[2,1] 背景色为浅黄色。
        继续填充：
        
        
         
           中间几行填写规则不变，直接跳到最后一行：
          
            至此，该表填完。根据性质，c[8,9] = S1 和 S2 的 LCS的长度，即为5。

6.构造LCS
本文S1和S2的最LCS并不是只有1个，本文并不是着重讲输出两个序列的所有LCS，只是介绍如何通过上表，输出其中一个LCS。
我们根据递归公式构建了上表，我们将从最后一个元素c[8][9]倒推出S1和S2的LCS。
c[8][9] = 5，且S1[8] != S2[9]，所以倒推回去，c[8][9]的值来源于c[8][8]的值(因为c[8][8] > c[7][9])。
c[8][8] = 5, 且S1[8] = S2[8], 所以倒推回去，c[8][8]的值来源于 c[7][7]。
以此类推，如果遇到S1[i] != S2[j] ，且c[i-1][j] = c[i][j-1] 这种存在分支的情况，这里请都选择一个方向（之后遇到这样的情况，也选择相同的方向）。
第一种结果为：

      这就是倒推回去的路径，棕色方格为相等元素，即LCS = {3,4,6,7,8}，这是其中一个结果。
      如果如果遇到S1[i] != S2[j] ，且c[i-1][j] = c[i][j-1] 这种存在分支的情况，选择另一个方向，会得到另一个结果。

#include<iostream>
#include<cstring>
#include<algorithm>
#include<vector>
#include<queue>
#include<set>
#include<bitset>
#include<sstream>
using namespace std;
int ans[1000][1000];
void print(string& s1, int i,string& s2,int j) {
	
	if (i == 0 || j == 0)
	{
		//cout << s1[i - 1] << "  " << s2[j - 1] << endl;
		return;
	}
	if (s1[i - 1] == s2[j - 1]) 
		print(s1, i - 1, s2, j - 1);
	else if(ans[i - 1][j] > ans[i][j - 1])
		print(s1, i - 1, s2, j);
	else
		print(s1, i, s2, j - 1);
	
	if (s1[i - 1] == s2[j - 1])
		cout << s1[i - 1];
	return ;
}
int main() {
	string s1, s2;
	while (cin >> s1 >> s2) {
		
		int s1_size = s1.size();
		int s2_size = s2.size();
		
		//ans = new int* [s1_size];
		//for (int i = 0; i < s1_size; i++)
		//	ans[i] = new int[s2_size + 1];

		for (int i = 0; i < s1_size; i++)
			ans[i][0] = 0;

		for (int j = 0; j < s2_size; j++)
			ans[0][j] = 0;
		//cout << s1[1] << s2[1];
		for (int i = 1; i <= s1_size; i++) {
			for (int j = 1; j <= s2_size; j++) {
				if (s1[i - 1] == s2[j - 1]) {
					//cout << s1[i] << " " << s2[j] << endl;
					ans[i][j] = ans[i - 1][j - 1] + 1;
					continue;
				}
				if (s1[i - 1] != s2[j - 1]) {
					ans[i][j] = max(ans[i][j - 1], ans[i - 1][j]);
					continue;
				}
			}
		}
		cout << ans[s1_size][s2_size] << endl;

		print(s1,s1_size,s2, s2_size);
		cout << endl;
		//for (int i = 0; i < s1_size + 1; i++)
		//	delete []ans[i];
		//delete []ans;
	}
}