1.问题描述:
什么是最长公共子序列呢?好比一个数列 S,如果分别是两个或多个已知数列的子序列,且是所有符合此条件序列中最长的,则S 称为已知序列的最长公共子序列。
举个例子,如:有两条随机序列,如 1 3 4 5 5 ,and 2 4 5 5 7 6,则它们的最长公共子序列便是:4 5 5。
注意:【最长公共子串(Longest CommonSubstring)和最长公共子序列(LongestCommon Subsequence, LCS)的区别】
子串(Substring)是串的一个连续的部分,子序列(Subsequence)则是从不改变序列的顺序,而从序列中去掉任意的元素 而获得的新序列;更简略地说,前者(子串)的字符的位置必须连续,后者(子序列LCS)则不必。比如字符串acdfg同akdfc的最长公共子串为df, 而他们的最长公共子序列是adf。LCS可以使用动态规划法解决。下文具体描述。
2.解决思路:
2.1穷举法
(靠蛮力啊。。。)
2.2动态规划法
用动态规划法首先要判断该问题是否符合动态规划法的条件。时间复杂度O(n^2)。
(1) 最优化原理:如果问题的最优解所包含的子问题的解也是最优的,就称该问题具有最优子结构,即满足最优化原理。
(2) 无后效性:即某阶段状态一旦确定,就不受这个状态以后决策的影响。也就是说,某状态以后的过程不会影响以前的状态,只与当前状态有关。
(3) 有重叠子问题:即子问题之间是不独立的,一个子问题在下一阶段决策中可能被多次使用到。(该性质并不是动态规划适用的必要条件,但是如果没有这条性质,动态规划算法同其他算法相比就不具备优势)
3.源码:
// LCSTest.cpp : 定义控制台应用程序的入口点。 #include "stdafx.h" #include<iostream> #include<cstdlib> #include<string> #include<vector> using namespace std; void LCS(string str1,string str2) { int len1 = str1.length(); int len2 = str2.length(); //int **dp = new int[len1+1][len2+1]; vector<vector<int> > dp(len1+1,vector<int>(len2+1)); //动态规划初始值 for(int j = 0;j <= len2;j++) dp[0][j] = 0; for(int i = 0;i <=len1;i++) dp[i][0] = 0; for(int i = 0;i < len1;i++) for(int j = 0;j < len2;j++) { if(str1.at(i) == str2.at(j)) { dp[i+1][j+1]= dp[i][j]+1; } else if(dp[i][j+1] > dp[i+1][j]) dp[i+1][j+1] = dp[i][j+1]; else dp[i+1][j+1] = dp[i+1][j]; } cout<<"最长公共子序列长度为:"<<dp[len1][len2]<<endl; int ti = 0; int tj = 0; while(ti<len1 && tj<len2 ) { if(str1.at(ti) == str2.at(tj)) { cout<<str1.at(ti)<<" "; ti++; tj++; } else if(dp[ti+1][tj] >= dp[ti][tj+1]) ti++; else tj++; } } int _tmain(int argc, _TCHAR* argv[]) { string str1 = "asddgflsksdjflkdf"; string str2 = "sdflsdzf"; LCS(str1,str2); return 0; }