算法练习——最长公共子序列的问题(LCS)

问题描述:

对于两个序列X和Y的公共子序列中,长度最长的那个,定义为X和Y的最长公共子序列。X  Y   各自字符串有顺序,但是不一定需要相邻。

最长公共子串(Longest Common Substring ):顺序相同,并且各个字符的位置也必须相邻。

最长公共子序列(Longest Common Subsequence,LCS ):顺序形同,各个字符的位置不一定相邻。

比如:

字符串 13455 与 245576 的最长公共子序列为455
字符串 acdfg 与 adfc 的最长公共子序列为adf      adf在acdfg中的顺序相同,但是不相邻。

1:暴力求解

即对X的每一个子序列,检查它是否也是Y的子序列,从而确定它是否为X和Y的公共子序列,并且在检查过程中选出最长的公共子序列。X和Y的所有子序列都检查过后即可求出X和Y的最长公共子序列。X的一个子序列相应于下标序列{1, 2, …, m}的一个子序列,因此,X共有2m个不同子序列(Y亦如此,如为2^n,每个元素都有取或者不取的情况),从而穷举搜索法需要指数时间(2^m * 2^n)。

2:动态规划

先定义一些内容:定义两个字符串X,Y

Xi=<x1,x2.....xi>  表示字符串的 i 前缀

Yj = <y1,y2....yj> 表示字符串y的j前缀

用LCS(Xi,Yj) 表示字符串X,Y的最长公共子序列

如果

  • Xm = Yn(如果字符串X的第m位置上的字符等于字符串Y的第n个位置上的字符(下面类似,不再表述))

则LCS(Xm,Yn) = LCS(Xm-1,Yn-1)+Xm

  • Xm != Yn

则LCS(Xm,Yn) = LCS(Xm-1,Yn)   或者LCS(Xm,Yn)=LCS(Xm,Yn-1)

但是为了追求最大的公共子串则可以这么定义:LCS(Xm,Yn) = max { LCS ( Xm-1 , Yn ) , LCS( Xm , Yn-1 ) }

所以综上两种情况,我们可以得出如下的推导公式:

算法练习——最长公共子序列的问题(LCS)

最后的最长公共子序列 ,为了将问题变成数学问题,可以这么定义上面的过程。

  • 利用一个二维数组表示每一部分LCS的长度  c[m][n]
  • 用c[i][j] 记录字符串Xi和Yj的最长公共子序列长度。

因此可以得到下面的推论:

算法练习——最长公共子序列的问题(LCS)

为了方便表示,我们可以将字符的从1开始。

下面是一个实例图

对于 X = ABCBDAB

Y = BDCABA

算法练习——最长公共子序列的问题(LCS)

下面是具体的代码演示:

 import java.util.Stack;

 /**
* 题目:最长公共子序列。(longest common subsequence)
* 比如字符串a = acdfg b =adfc 则其lcs 为 adf 。
* 思路:可以利用动态规划的思想。
*
* @author Xia
*
*/
public class StringLCS {
public String lsc(String s1,String s2){
int len1 = s1.length();
int len2 = s2.length();
//用一个二维数组表示,这里面为了方便表示将数组行、列都扩大一个(想一想原因,可以结合上面的模式图思考)
int[][] c = new int[len1 + 1][len2 + 1];
//为了配合上面的增加一列,字符串中也应该增加一个字符
s1 = ","+s1;
s2 = "?"+s2; //c中的第一行第一列都赋值为0
int i,j;
for (i = 0; i <= len1; i++) {
c[i][0] = 0;
} for (j = 0; j <= len2; j++) {
c[0][j] = 0;
}
//这里面开始遍历的时候必须从1开始
for ( i = 1; i <= len1; i++) {
for ( j = 1; j <= len2; j++) {
if (s1.charAt(i) == s2.charAt(j)) {
c[i][j] = c[i-1][j-1]+ 1;
}else {
c[i][j] = Math.max(c[i-1][j], c[i][j-1]);
}
}
}
//--------------两层for循环结束后即可得到最长公共子序列的长度 //--------------开始求解最长公共子序列------------------
//从求好的二维数组末端开始向前寻找,那么为了最后能够最长的输出子序列,需要定义一个stack
i = len1;
j = len2;
Stack<Character> s = new Stack<Character>();
while (i != 0 && j != 0) {
if (s1.charAt(i) == s2.charAt(j)) {
s.push(s1.charAt(i));
i--;
j--;
}else {
if (c[i][j-1] > c[i-1][j]) {
j--;
}else {
i--;
}
}
}
//-------------到这一步,已经求好了最长公共子序列并且存储在stack中
StringBuilder sb = new StringBuilder();
while (!s.isEmpty()) {
sb.append(s.pop());
}
return sb.toString();
} }

测试类:

public class Test {
public static void main(String[] args) {
StringLCS lcs = new StringLCS();
String s1 = "acdfg";
String s2 = "adcf";
String result = lcs.lsc(s1, s2);
System.out.println(result);    //acf
}
}

总结:根据最后的结论,多运行几次我们可以看到,其实最长公共子序列是可以有多种情况的。

还会继续更新关于其他的字符串的操作算法演示。

上一篇:【原创】大叔问题定位分享(7)Spark任务中Job进度卡住不动


下一篇:[ios]quartz2d画板功功能实现核心代码