若给定序列X={x1,x2,…,xm},则另一序列Z={z1,z2,…,zk},是X的子序列是指存在一个严格递增下标序列{i1,i2,…,ik}使得对于所有j=1,2,…,k有:zj=xi,j。例如,序列Z={B,C,D,B}是序列X={A,B,C,B,D,A,B}的子序列,相应的递增下标序列为{2,3,5,7}。
给定2个序列X和Y,当另一序列Z既是X的子序列又是Y的子序列时,称Z是序列X和Y的公共子序列
。
给定2个序列X={x1,x2,…,xm}和Y={y1,y2,…,yn},找出X和Y的最长公共子序列
。
给定序列 X=<x1, x2, … , xm>, Y=<y1, y2, … , yn>,求 X 和 Y 的最长公共子序列
X: A B C B D A B Y: B D C A B A 一个最长公共子序列: B C B A
蛮力算法:检查 X 的每个子序列在Y 中出现每个子序列 O(n) 时间,X 有 2m 个 子序列,最坏情况下时间复杂度:O(n·2m)
设序列X={x1,x2,…,xm}和Y={y1,y2,…,yn}的最长公共子序列为Z={z1,z2,…,zk} ,则
由最长公共子序列问题的最优子结构性质建立子问题最优值的递归关系。用c[i][j]记录序列和的最长公共子序列的长度。其中, Xi={x1,x2,…,xi};Yj={y1,y2,…,yj}。当i=0或j=0时,空序列是Xi和Yj的最长公共子序列。故此时C[i][j]=0。其它情况下,由最优子结构性质可建立递归关系如下:
标记函数:B[i, j], 其值为字符↖(1)、⬅ (3)、⬆(2),分别表示C[i,j]取得最大值时的三种情况
由于在所考虑的子问题空间中,总共有θ(mn)个不同的子问题,因此,用动态规划算法自底向上地计算最优值能提高算法的效率。
Algorithm lcsLength(x,y,b)
1:m<--x.length;
2:n<--y.length;
3:c[i][0]=0; c[0][i]=0;
4:for (int i= 1; i <= m; i++)
5: for (int j = 1; j <= n; j++)
6: if (x[i]==y[j])
7: c[i][j]=c[i-1][j-1]+1;
8: b[i][j]=1; ↖
9: else if (c[i-1][j]>=c[i][j-1])
10: c[i][j]=c[i-1][j];
11: b[i][j]=2; ⬆
12: else
13: c[i][j]=c[i][j-1];
14: b[i][j]=3; ⬇
Algorithm lcs(int i,int j,char [] x,int [][] b) {
if (i ==0 || j==0) return;
if (b[i][j]== 1 ↖ ){
lcs(i-1,j-1,x,b);
System.out.print(x[i]);
}
else if (b[i][j]== 2 ) lcs(i-1,j,x,b);
else lcs(i,j-1,x,b);
}
示例
X=<A,B,C,B,D,A,B>, Y=<B,D,C,A,B,A>,
实例
结束!