首先要明确的是子序列的概念,注意啦,子序列不等于子串。子序列是一个字符串S去掉零个或者多个字符后所剩下的字符串就叫做子序列。
最长公共子序列的意思就是寻找两个给定字符串的的子序列,该子序列在两个字符串中以相同的次序出现,但是不一定是连续的。(连续的那是子串)
例如序列X=ABCBDAB,Y=BDCABA。序列BCA是X和Y的一个公共子序列,但是不是X和Y的最长公共子序列,子序列BCBA是X和Y的一个LCS,序列BDAB也是。
最简单想到的
寻找LCS的一种方法是枚举X所有的子序列,然后逐一检查是否是Y的子序列,并随时记录发现的最长子序列。假设X有m个元素,则X有2^m个子序列,指数级的时间,对长序列不实际。
其实最长公共子序列是动态规划(DP)的典型例子。
设X=<x1,x2,…,xm>和Y=<y1,y2,…,yn>为两个字符串,LCS(X,Y)表示X和Y的一个最长公共子序列,可以看出
- 如果xm=yn,则LCS ( X,Y ) = xm + LCS ( Xm-1,Yn-1 )。
- 如果xm!=yn,则LCS( X,Y )= max{ LCS ( Xm-1, Y ), LCS ( X, Yn-1 ) }
LCS问题也具有重叠子问题性质:为找出X和Y的一个LCS,可能需要找X和Yn-1的一个LCS以及Xm-1和Y的一个LCS。但这两个子问题都包含着找Xm-1和Yn-1的一个LCS,等等.
DP最终处理的还是数值(极值做最优解),找到了最优值,就找到了最优方案;为了找到最长的LCS,我们定义dp[i][j]记录序列LCS的长度,合法状态的初始值为当序列X的长度为0或Y的长度为0,公共子序列LCS长度为0,即dp[i][j]=0,所以用i和j分别表示序列X的长度和序列Y的长度,状态转移方程为
- dp[i][j] = 0 如果i=0或j=0
- dp[i][j] = dp[i-1][j-1] + 1 如果X[i-1] = Y[i-1] (X[i-1]就是X数组中的第i个)
- dp[i][j] = max{ dp[i-1][j], dp[i][j-1] } 如果X[i-1] != Y[i-1]
#include <iostream>
using namespace std;
/* LCS
* 设序列长度都不超过20
*/
int dp[21][21]; /* 存储LCS长度, 下标i,j表示序列X,Y长度 */
char X[21];
char Y[21];
int i, j;
void main()
{
cin.getline(X,20);
cin.getline(Y,20);
int xlen = strlen(X);
int ylen = strlen(Y);
/* dp[0-xlen][0] & dp[0][0-ylen] 都已初始化0 */
for(i = 1; i <= xlen; ++i)
{
for(j = 1; j <= ylen; ++j)
{
if(X[i-1] == Y[j-1])
{
dp[i][j] = dp[i-1][j-1] + 1;
}else if(dp[i][j-1] > dp[i-1][j])
{
dp[i][j] = dp[i][j-1];
}else
{
dp[i][j] = dp[i-1][j];
}
}
}
printf("len of LCS is: %d\n", dp[xlen][ylen]);
/* 输出LCS 本来是逆序打印的,可以写一递归函数完成正序打印
这里采用的方法是将Y作为临时存储LCS的数组,最后输出Y
*/
i = xlen;
j = ylen;
int k = dp[i][j];
char lcs[21] = {'\0'};
while(i && j)
{
if(X[i-1] == Y[j-1] && dp[i][j] == dp[i-1][j-1] + 1)
{
lcs[--k] = X[i-1];
--i; --j;
}else if(X[i-1] != Y[j-1] && dp[i-1][j] > dp[i][j-1])
{
--i;
}else
{
--j;
}
}
printf("%s\n",lcs);
}