-
最長公共子序列
鎖定
- 中文名
- 最長公共子序列
- 外文名
- The longest common subsequence
- 簡 稱
- LCS
- 描 述
- 兩段文字之間的“相似度”
- 分 別
- 是兩個或多個已知序列的子序列
- 計 算
- 改動前後文字的最長公共子序列
- 建議算法
- 動態規劃
- 應用學科
- 數據結構
- 應用領域
- 計算機科學和生物信息學等
最長公共子序列定義
最長公共子序列,英文縮寫為LCS(Longest Common Subsequence)。其定義是,一個序列 S ,如果分別是兩個或多個已知序列的子序列,且是所有符合此條件序列中最長的,則 S 稱為已知序列的最長公共子序列。
最長公共子序列定義延伸
最長公共子序列(LCS)是一個在一個序列集合中(通常為兩個序列)用來查找所有序列中最長子序列的問題。這與查找最長公共子串的問題不同的地方是:子序列不需要在原序列中佔用連續的位置。而最長公共子串(要求連續)和最長公共子序列是不同的。
[2]
另外在計算機科學中,最長遞增子序列是指,在一個給定的數值序列中,找到一個子序列,使得這個子序列元素的數值依次遞增,並且這個子序列的長度儘可能地大。最長遞增子序列中的元素在原序列中不一定是連續的。許多與數學、算法、隨機矩陣理論(英語:random matrix theory)、表示論相關的研究都會涉及最長遞增子序列。解決最長遞增子序列問題的算法最低要求O(n log n)的時間複雜度,這裏n表示輸入序列的規模。
最長公共子序列複雜度
最長公共子序列問題存在最優子結構:這個問題可以分解成更小,更簡單的“子問題”,這個子問題可以分成更多的子問題,因此整個問題就變得簡單了。最長公共子序列問題的子問題的解是可以重複使用的,也就是説,更高級別的子問題通常會重用低級子問題的解。擁有這個兩個屬性的問題可以使用動態規劃算法來解決,這樣子問題的解就可以被儲存起來,而不用重複計算。這個過程需要在一個表中儲存同一級別的子問題的解,因此這個解可以被更高級的子問題使用
最長公共子序列應用
最長公共子序列是一個十分實用的問題,它可以描述兩段文字之間的“相似度”,即它們的雷同程度,從而能夠用來辨別抄襲。對一段文字進行修改之後,計算改動前後文字的最長公共子序列,將除此子序列外的部分提取出來,這種方法判斷修改的部分,往往十分準確。簡而言之,百度知道、百度百科都用得上。
[1]
最長公共子序列算法
以兩個序列 X、Y 為例子:
設有二維數組f[i,j] 表示 X 的 i 位和 Y 的 j 位之前的最長公共子序列的長度,則有:
f[1][1] = same(1,1);
f[i,j] = max{f[i-1][j -1] + same(i,j),f[i-1,j],f[i,j-1]};
其中,same(a,b)當 X 的第 a 位與 Y 的第 b 位相同時為“1”,否則為“0”。
此時,二維數組中最大的數便是 X 和 Y 的最長公共子序列的長度,依據該數組回溯,便可找出最長公共子序列。
最長公共子序列代碼
最長公共子序列Pascal
const maxlen=200; var i,j:longint; c:array[0..maxlen,0..maxlen]ofbyte; x,y,z:string;{z為x,y的最長公共子序列} begin readln(x); readln(y); fillchar(c,sizeof(c),0); for i:=1 to length(x) do for j:=1 to length(y) do if x[i]=y[j] then c[i,j]:=c[i-1,j-1]+1 else if c[i-1,j]>c[i,j-1] then c[i,j]:=c[i-1,j] else c[i,j]:=c[i,j-1]; z:=''; i:=length(x); j:=length(y); writeln(c[i,j]); while (i>0)and(j>0) do if x[i]=y[j] then begin z:=x[i]+z;i:=i-1;j:=j-1 end else if c[i-1,j]>c[i,j-1] then i:=i-1 else j:=j-1; if z<>'' then writeln(z); for i:=1 to length(x)do begin for j:=1 to length(y) do write(c[i][j]:3); writeln; end; readln; end.
最長公共子序列C++
#include<cstdlib> #include<cstring> #include<iostream> usingnamespacestd; #defineN105 int dp[N+1][N+1]; char str1[N],str2[N]; int maxx(int a,int b) { if(a>b) return a; return b; } int LCSL(int len1,int len2) { int i,j; int len=maxx(len1,len2); for(i=0;i<=len;i++) { dp[i][0]=0;dp[0][i]=0; } for(i=1;i<=len1;i++) for(j=1;j<=len2;j++) { if(str1[i-1]==str2[j-1]) { dp[i][j]=dp[i-1][j-1]+1; } else { dp[i][j]=maxx(dp[i-1][j],dp[i][j-1]); } } return dp[len1][len2]; } int main() { while(cin>>str1>>str2) { int len1=strlen(str1); int len2=strlen(str2); cout<<LCSL(len1,len2)<<endl; } return 0; }
最長公共子序列Java
publicclassLCSProblem { publicstaticvoidmain(String[]args) { String[]x={"","A","B","C","B","D","A","B"}; String[]y={"","B","D","C","A","B","A"}; int[][]b=getLength(x,y); Display(b,x,x.length-1,y.length-1); } publicstaticint[][]getLength(String[]x,String[]y) { int[][]b=newint[x.length][y.length]; int[][]c=newint[x.length][y.length]; for(inti=1;i<x.length;i++) { for(intj=1;j<y.length;j++) { if(x[i]==y[j]) { c[i][j]=c[i-1][j-1]+1; b[i][j]=1; } elseif(c[i-1][j]>=c[i][j-1]) { c[i][j]=c[i-1][j]; b[i][j]=0; } else { c[i][j]=c[i][j-1]; b[i][j]=-1; } } } returnb; } publicstaticvoidDisplay(int[][]b,String[]x,inti,intj) { if(i==0||j==0) return; if(b[i][j]==1) { Display(b,x,i-1,j-1); System.out.print(x[i]+""); } elseif(b[i][j]==0) { Display(b,x,i-1,j); } elseif(b[i][j]==-1) { Display(b,x,i,j-1); } } }
- 參考資料
-
- 1. 屈, 婉玲.算法設計與分析:清華大學出版社,2011
- 2. 動態規劃解最長公共子序列問題 .CSDN[引用日期2016-03-17]
- 3. 鄭翠玲. 最長公共子序列算法的分析與實現[J]. 武夷學院學報, 2010, 29(2):44-48.