首页 > 编程语言> 文章详细

程序员的算法课（6）-最长公共子序列（LCS）

2019-09-07 12:00:45 阅读：328 来源： 互联网

标签：Ym LCS int 问题程序员算法序列 Xn

上一节我们讲了动态规划，我们也知道，动态规划对于子问题重叠的情况特别有效，因为它将子问题的解保存在存储空间中，当需要某个子问题的解时，直接取值即可，从而避免重复计算！

这一节我们来解决一个问题，就是最长公共子序列。

一、啥叫最长公共子序列？

【百度百科】LCS是Longest Common Subsequence的缩写，即最长公共子序列。一个序列，如果是两个或多个已知序列的子序列，且是所有子序列中最长的，则为最长公共子序列。

在两个字符串中，有些字符会一样，形成的子序列也有可能相等，因此，长度最长的相等子序列便是两者间的最长公共字序列，其长度可以使用动态规划来求。

比如，对于字符串str1："aabcd";有顺序且相互相邻的aabc是其子序列，有顺序但是不相邻的abd也是其子序列。即，只要得出序列中各个元素属于所给出的数列，就是子序列。

再来一个字符串str2："12abcabcd"；对比可以得出str1和str2的最长公共子序列是abcd。

得出结论：

子序列不是子集，它和原始序列的元素顺序是相关的。
空序列是任何两个序列的公共子序列。
子序列、公共子序列以及最长公共子序列都不唯一。
对于一个长度为n的序列，它一共有2^n 个子序列，有(2^n – 1)个非空子序列。

二、P问题和NP问题

P问题：一个问题可以在多项式（O(n^k)）的时间复杂度内解决。
NP问题：一个问题的解可以在多项式的时间内被验证。

用人话来解释：

P问题：一个问题可以在多项式（O(n^k)）的时间复杂度内解决。
NP问题：一个问题的解可以在多项式的时间内被验证。

三、最长公共子序列的解决办法

PS：可以使用递归去蛮力解决，需要遍历出所有的可能，时间复杂度是O(2^m*2^n)，太慢了。

对于一般的LCS问题，都属于NP问题。当数列的量为一定的时，都可以采用动态规划去解决。时间复杂度时O(n * m)，空间也是O(n * m)。

1.分析规律

对于可用动态规划求解的问题，一般有两个特征：①最优子结构；②重叠子问题

①最优子结构

设 X=(x1,x2,.....xn) 和 Y={y1,y2,.....ym} 是两个序列，将 X 和 Y 的最长公共子序列记为LCS(X,Y)

找出LCS(X,Y)就是一个最优化问题。因为，我们需要找到X 和 Y中最长的那个公共子序列。而要找X 和 Y的LCS，首先考虑X的最后一个元素和Y的最后一个元素。

1）如果 xn=ym，即X的最后一个元素与Y的最后一个元素相同，这说明该元素一定位于公共子序列中。因此，现在只需要找：LCS(Xn-1，Ym-1)

LCS(Xn-1，Ym-1)就是原问题的一个子问题。为什么叫子问题？因为它的规模比原问题小。（小一个元素也是小嘛....）

为什么是最优的子问题？因为我们要找的是Xn-1 和 Ym-1 的最长公共子序列啊。。。最长的！！！换句话说，就是最优的那个。（这里的最优就是最长的意思）

2）如果xn != ym，这下要麻烦一点，因为它产生了两个子问题：LCS(Xn-1，Ym) 和 LCS(Xn，Ym-1)

因为序列X 和序列Y 的最后一个元素不相等嘛，那说明最后一个元素不可能是最长公共子序列中的元素嘛。（都不相等了，怎么公共嘛）。

LCS(Xn-1，Ym)表示：最长公共序列可以在(x1,x2,....x(n-1)) 和 (y1,y2,...yn)中找。

LCS(Xn，Ym-1)表示：最长公共序列可以在(x1,x2,....xn) 和 (y1,y2,...y(n-1))中找。

求解上面两个子问题，得到的公共子序列谁最长，那谁就是 LCS（X,Y）。用数学表示就是：

LCS=max{LCS(Xn-1，Ym)，LCS(Xn，Ym-1)}

由于条件 1) 和 2) 考虑到了所有可能的情况。因此，我们成功地把原问题转化成了三个规模更小的子问题。

②重叠子问题

重叠子问题是啥？就是说原问题转化成子问题后，子问题中有相同的问题。

来看看，原问题是：LCS(X,Y)。子问题有 ❶LCS(Xn-1，Ym-1) ❷LCS(Xn-1，Ym) ❸LCS(Xn，Ym-1)

初一看，这三个子问题是不重叠的。可本质上它们是重叠的，因为它们只重叠了一大部分。举例：

第二个子问题：LCS(Xn-1，Ym) 就包含了：问题❶LCS(Xn-1，Ym-1)，为什么？

因为，当Xn-1 和 Ym 的最后一个元素不相同时，我们又需要将LCS(Xn-1，Ym)进行分解：分解成：LCS(Xn-1，Ym-1) 和 LCS(Xn-2，Ym)

也就是说：在子问题的继续分解中，有些问题是重叠的。

2.做法

如果用一个二维数组c表示字符串X和Y中对应的前i，前j个字符的LCS的长度话，可以得到以下公式：

这个非常好理解，其中一个字符串为0的时候，那么肯定是0了。
当两个字符相等的时候，这个时候很好理解，举例来说：
abcd 和 adcd,在遍历c的时候，发现前面只有a相等了，也就是1.
那么c相等，也就是abc和adc在匹配的时候，一定比ab和ad的长度大1，这个1就是c相等么。也就是相等的时候，是比c[i-1][j-1]大1的。
下一个更好理解了，如果不相等，肯定就是找到上一个时刻对比最大的么。

因此，我们只需要从c[0][0]开始填表，填到c[m-1][n-1]，所得到的c[m-1][n-1]就是LCS的长度。

但是，我们怎么得到LCS本身而非LCS的长度呢？也是用一个二维数组b来表示：

在对应字符相等的时候，用↖标记
在p1 >= p2的时候，用↑标记
在p1 < p2的时候，用←标记

标记函数为：

比如说求ABCBDAB和BDCABA的LCS:

灰色且带↖箭头的部分即为所有的LCS的字符。就是一个填表过程。填好的表也就把子序列记录下来了，我们可以通过查表的方式得到你要的最长子序列。

这里可以看到，我们构造的一个i*j的矩阵，这个矩阵里的内容不但包括数值（当前结果的最优解），还包括一个方向箭头，这个代表了我们回溯的时候，需要行走的方向。

所以我们这里保存两个值，可以使用两个二维矩阵，也可以使用一个结构体矩阵。

四、演示下c数组的填表过程

以求ABCB和BDCA的LCS长度为例：

以此类推

最后填出的表为：

右下角的2即为LCS的长度。

五、实现代码

public class LongestCommonSubsequence {
public static int [][]mem;
public static int [][]s;
public static int [] result; // 记录子串下标
public static int LCS(char []X,char []Y,int n,int m){
for (int i = 0; i <= n; i++) {
mem[i][0] = 0;
s[i][0] = 0;
}
for (int i = 0; i <= m; i++) {
mem[0][i] = 0;
s[0][i] = 0;
}
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= m ; j++) {
if (X[i-1] == Y[j-1]){
mem[i][j] = mem[i-1][j-1] + 1;
s[i][j] = 1;
}
else {
mem[i][j] = Math.max(mem[i][j-1],mem[i-1][j]);
if (mem[i][j] == mem[i-1][j]){
s[i][j] = 2;
}
else s[i][j] = 3;
}
}
}
return mem[n][m];
}
// 追踪解
public static void trace_solution(int n,int m){
int i = n;
int j = m;
int p = 0;
while (true){
if (i== 0 || j == 0) break;
if (s[i][j] == 1 ){
result[p] = i;
p++;
i--;j--;
}
else if (s[i][j] == 2){
i--;
}
else { //s[i][j] == 3
j--;
}
}
}
public static void print(int [][]array,int n,int m){
for (int i = 0; i < n + 1; i++) {
for (int j = 0; j < m + 1; j++) {
System.out.printf("%d ",array[i][j]);
}
System.out.println();
}
}
public static void main(String[] args) {
char []X = {'A','B','C','B','D','A','B'};
char []Y = {'B','D','C','A','B','A'};
int n = X.length;
int m = Y.length;
// 这里重点理解，相当于多加了第一行第一列。
mem = new int[n+1][m+1];
// 1 表示左上箭头 2 表示上 3 表示左
s = new int[n+1][m+1];
result = new int[Math.min(n,m)];
int longest = LCS(X,Y,n,m);
System.out.println("备忘录表为：");
print(mem,n,m);
System.out.println("标记函数表为：");
print(s,n,m);
System.out.printf("longest : %d \n",longest);
trace_solution(n,m);
// 输出注意 result 记录的是字符在序列中的下标
for (int k = longest-1; k >=0 ; k--) {
// 还需要再减一才能跟 X Y序列对齐。
int index = result[k]-1;
System.out.printf("%c ",X[index]);
}
}
}

备忘录表为：
0 0 0 0 0 0 0
0 0 0 0 1 1 1
0 1 1 1 1 2 2
0 1 1 2 2 2 2
0 1 1 2 2 3 3
0 1 2 2 2 3 3
0 1 2 2 3 3 4
0 1 2 2 3 4 4
标记函数表为：
0 0 0 0 0 0 0
0 2 2 2 1 3 1
0 1 3 3 2 1 3
0 2 2 1 3 2 2
0 1 2 2 2 1 3
0 2 1 2 2 2 2
0 2 2 2 1 2 1
0 1 2 2 2 1 2
longest : 4
B C B A

六、总结

感觉没有讲到位，先挖坑在这里吧。

需要两个数组分别保存长度和具体的最长公共子序列的值
通过二维表的方式，把上一个结果存起来，后面只要查表就可以了
git的diff算法是对最长公共子序列算法的延伸，性能更高

我的微信公众号：架构真经（id：gentoo666），分享Java干货，高并发编程，热门技术教程，微服务及分布式技术，架构设计，区块链技术，人工智能，大数据，Java面试题，以及前沿热门资讯等。每日更新哦！

参考资料：

标签：Ym,LCS,int,问题,程序员,算法,序列,Xn
来源： https://www.cnblogs.com/anymk/p/11479911.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9