最长公共子序列问题

最长公共子序列，LCS(Longest Common Subsequence)

问题描述

给定两个串 $s_1{s}_2...s_n$ 和 $t_1{t}_2...t_m$，求这两个串最长的公共子序列的长度，子序列不要求连续，例如 $s1...sn$ 的子序列可以表示为 $s_{i_1}{s}_{i_2}...s_{i_m}(i_1<i_2<...<i_m)$

解法

找递推关系：

可以定义 $dp[i][j]$ 表示 $s_1...s_i$ 和 $t_1...t_j$ 的 LCS 长度

$s_1...s_{i+1}$ 和 $t_1...t_{i+1}$ 的公共子序列可能来自于:

1. 若 $s_{i+1}=t_{i+1}$，在 $s_1...s_i$ 和 $t_1...t_i$ 的公共子序列末尾追加上 $s_{i+1}$
2. $s_1...s_i$ 和 $t_1...t_{i+1}$ 的公共子序列
3. $s_1...s_{i+1}$ 和 $t_1...t_i$ 的公共子序列

而已知的初始条件是 空串 和 $t_0\sim t_{0\sim n}$，以及 $s_0\sim s_{0\sim n}$ 和 空串 的最长公共子序列为空

于是可以从初始情况开始不断向后递推，若两串当前位相同，则其最长公共子序列为情况 1，否则其最长公共子序列为情况 2 和 3 中子序列较长的那一种(情况 1 得到的结果不会坏与情况 2 和情况 3，因为使两个字符串中的其中一个字符串增加一个字符，最多使这两个字符串的最长公共子序列长度增加 1，即 $dp[i+1][j]\le dp[i][j]+1,dp[i][j+1]\le dp[i][j]+1$ )

即 $dp[i+1][j+1]=\{\begin{array}{ll}dp[i][j]+1,& s_{i+1}=t_{j+1}\\ max(dp[i][j+1],dp[i+1][j]),& s_{i+1}\ne t_{j+1}\end{array}$

即

$$\begin{array}{r}\{\begin{array}{ll}& 定义：\\ & dp[i][j]:=s_1...s_i和t_1...t_j的最长公共子序列(LCS)长度\\ & \\ & 初始条件：\\ & dp[0\sim n][0]=0\\ & dp[0][0\sim m]=0\\ & \\ & 递推关系：\\ & dp[i+1][j+1]=\{\begin{array}{ll}dp[i][j],& s_{i+1}=t_{j+1}\\ max(dp[i][j+1],dp[i+1][j]),& s_{i+1}\ne t_{j+1}\end{array}\end{array}\end{array}$$

经过 $O(n\times m)$ 的递推之后可得 s 和 t 两串的最长公共子序列长度

(递推过程用图画出来更容易理解：当前格(i,j)要计算的值为 $dp[i][j]$，若有 $s_i=t_j$，则当前格的值为 $dp[i-1][j-1]+1$，即用左上方格子的值更新当前格的值，否则当前格的值为 $max(dp[i-1][j],dp[i][j-1])$，即用左边和上面格子的值中的较大者更新当前格的值)

#include <iostream>
using namespace std;
const int maxn = 1005;
int dp[maxn][maxn]; //dp[i][j]表示s1...si和t1...tj对应的LCS长度
char s[maxn], t[maxn];
int n, m;
void solve()
{
    for (int i = 0; i < n; i++)
    {
        for (int j = 0; j < m; j++)
        {
            if (s[i] == t[i]) //因为dp[i][j]+1>=dp[i+1][j]和dp[i][j+1],所以若s[i]==t[i]可以直接取dp[i][j]+1
                dp[i + 1][j + 1] = dp[i][j] + 1;
            else //否则取dp[i][j+1]和dp[i+1][j]中的较大值
                dp[i + 1][j + 1] = max(dp[i][j + 1], dp[i + 1][j]);
        }
    }
    printf("%d\n", dp[n][m]); //s1...sn和t1...tm的最长公共子序列的长度
}

扩展：最短公共父序列

题意：

给定两个字符串 $s$ 和 $p$，求同时包含这两个字符串作为子序列的最短字符串，输出最短字符串的长度以及最多能够有多少个这样的字符串。

思路：

这个题目与最长公共子序列相似，我们可以定义 $dp[i][j]:=s的前i项和p的前j项的最短公共父序列的长度$，于是有：

1. 若其中一个字符串为空，最短公共父序列一定包含另一个字符串的全部字符，即 $dp[i][0]=i,dp[0][j]=j,(1\le i\le n,1\le j\le m)$

2. 若 $s[i]=p[j]$，则当前字符只需被考虑一次，$dp[i][j]=dp[i-1][j-1]+1$

3. 若 $s[i]\ne p[j]$，则 $dp[i][j]=min(dp[i-1][j]+1,dp[i][j-1]+1)$

由此就可以求出最短公共父序列的长度。

对于统计这样的父序列的总个数，我们可以另外定义 $count[i][j]:=s的前i项和p的前j项的最短公共父序列的个数$，于是有：

1. $count[i][0]=1,count[0][j]=1,(1\le i\le n,1\le j\le m)$

2. 若 $s[i]=p[j]$，则从 $dp[i-1][j-1]$ 的情况转移来的父序列最短，于是 $count[i][j]=count[i-1][j-1]$

3. 若 $s[i]\ne p[j]$，再分三种情况：

   1. 若 $dp[i-1][j]<dp[i][j-1]$，则说明从 $dp[i-1][j]$ 的情况转移来的父序列最短，于是 $count[i][j]=count[i-1][j]$
   2. 若 $dp[i-1][j]>dp[i][j-1]$，则说明从 $dp[i][j-1]$ 的情况转移来的父序列最短，于是 $count[i][j]=count[i][j-1]$
   3. 若 $dp[i-1][j]=dp[i][j-1]$，则说明从这两种情况转移来的父序列均最短，于是 $count[i][j]=count[i-1][j]+count[i][j-1]$

由此我们也求出了最短父序列的个数。

总结：

$$\begin{array}{r}\{\begin{array}{ll}& 定义：\\ & dp[i][j]:=s的前i项和p的前j项的最短公共父序列的长度\\ & count[i][j]:=s的前i项和p的前j项的最短公共父序列的个数\\ & \\ & 初始条件：\\ & dp[i][0]=i,dp[0][j]=j,(1\le i\le n,1\le j\le m)\\ & count[i][0]=1,count[0][j]=1,(1\le i\le n,1\le j\le m)\\ & \\ & 递推关系：\\ & dp[i][j]=\{\begin{array}{ll}dp[i-1][j-1]+1,& s[i]=p[j]\\ min(dp[i-1][j]+1,dp[i][j-1]+1),& s[i]\ne p[j]\end{array}\\ & \\ & count[i][j]=\{\begin{array}{ll}count[i-1][j-1],& s[i]=p[j]\\ \{\begin{array}{ll}count[i-1][j],& dp[i-1][j]<dp[i][j-1]\\ count[i][j-1],& dp[i-1][j]>dp[i-1][j]\\ coount[i-1][j]+count[i][j-1],& dp[i-1][j]=dp[i][j-1]\end{array},& s[i]\ne p[j]\end{array}\end{array}\end{array}$$