关于最长公共子序列的动态规划算法分析
文章目录
关于最长公共子序列的动态规划算法分析
示例引出:
- 给定序列\( X = \{A, B, C, B, D, A, B\} \)和 \( Y = \{B, D, C, A, B, A\} \),要求找出它们的最长公共子序列。
什么是子序列?
- 简单来说,就是从某个给定的序列中,按照从左向右的顺序提取出某些元素构成的序列。
- 那么对于上述示例中的\( X \)来说,\( \{B, C, D, B\} \)就是其中的一个子序列.
- 那么最长公共子序列就是求两个序列中最长相同的子序列,对于上述示例来说,\( \{B,C,B,A\},\{B,D,A,B\},\{B,C,A,B\} \)是两者的最长公共子序列。
结构分析:
- 最长公共子序列具有最优子结构的性质:某个问题的最优解包含其子问题的最优解。
- 这里给出递推关系:
- 假设序列\( X_n=\{x_1, x_2,...,x_n\} \)和序列\( Y_m=\{y_1,y_2,..,,y_m\} \),而两者的最长公共子序列\( Z_k=\{z_1,z_2,...,z_k\} \);
那么:
- 当\( x_n=y_m \)时,有\(z_k=x_n=y_m\),\( z_{k-1} \)为\( x_{n-1} \)和\( y_{m-1} \)的最长公共子序列;
- 当\( x_n\neq y_m \)且\( z_k=y_m \)时,\( z_{k-1} \)为\( x_n \)和\( y_{m-1} \)的最长公共子序列;
- 当\( x_n\neq y_m \)且\( z_k=x_n \)时,\( z_{k-1} \)为\( x_{n-1} \)和\( y_{m} \)的最长公共子序列.
可以给出递归关系:
- 这里使用
c[i][j]来存储序列\( X_i \)和序列\( Y_j \)的最长公共子序列, - $$c[i][j]=\begin{cases}0,\ \ i>0;\ j=0\\c[i-1][j-1]+1,\ \ i,j>0;\ x_i=y_j\\max(c[i-1][j],c[i][j-1]),\ \ i,j>0;\ x_i\neq y_j \end{cases}$$
- 这里给出上述示例的最大长度计算图示,左边是长度数组,右边是标记数组:

- 这里我们可以看到,二维数组中最大值为4,说明我们的最长公共子序列的长度为4。
- 而我们可以记录下长度最大的坐标,并从此进行查询。
- 如上图中右边的部分,对于(7, 6)来说,由于
c[6][6] = c[7,5],所以需要同时向上和向下查询,之后的按照如上规则查询即可。 - 这里再给出另外一条查询线路,如下图:

- 这里给出实现代码如下,为了避免重复编写比较代码,这里使用了标记数组
b[n+1][m+1]来指示回溯方向: #include <iostream> #include <vector> using namespace std; const int maxn = 100; vector<int> temp; /** * @description: 获取最长公共子序列的长度 * @param {int} n: 序列X的长度 * @param {int} m: 序列Y的长度 * @param {char*} x: 序列X,索引从1开始到n结束 * @param {char*} y: 序列Y,索引从1开始到m结束 * @param {int**} c: 长度二维数组, 大小为(m + 1) * (n + 1) * @param {int**} b: 标记二维数组, 大小为(m + 1) * (n + 1) * @return {int} 最长公共子序列的长度 */ int Longest_Common_SubSequence_Length(int n, int m, char *x, char *y, int **c, int **b) { for(int i = 0; i <= n; i++) { c[i][0] = 0; } for(int j = 0; j <= m; j++) { c[0][j] = 0; } for(int i = 1; i <= n; i++) { for(int j = 1; j <= m; j++) { if(x[i] == y[j]) { c[i][j] = c[i-1][j-1] + 1; b[i][j] = 1; } else if(c[i][j-1] > c[i-1][j]) { c[i][j] = c[i][j-1]; b[i][j] = 2; } else if(c[i][j-1] < c[i-1][j]) { c[i][j] = c[i-1][j]; b[i][j] = 3; } else if(c[i][j-1] == c[i-1][j]) { c[i][j] = c[i-1][j]; b[i][j] = 4; } } } return c[n][m]; } /** * @description: 输出最长公共子序列 * b[i][j] = 1, 入栈,再向(i-1, j-1)查找 * b[i][j] = 2, 向(i, j-1)查找 * b[i][j] = 3, 向(i-1, j)查找 * b[i][j] = 4, 向(i-1, j)和(i, j-1)同时查找 */ void LCS(char *x, int **b, int i, int j, int longest) { if(i == 0 || j == 0) { if(temp.size() == longest) { for(int i = temp.size() - 1; i >= 0; i--) { printf("%c ",x[temp[i]]); } printf("\n"); } return ; } if(b[i][j] == 1) { temp.push_back(i); LCS(x, b, i-1, j-1, longest); temp.pop_back(); } else if(b[i][j] == 2) { LCS(x, b, i, j-1, longest); } else if(b[i][j] == 3) { LCS(x, b, i-1, j, longest); } else { LCS(x, b, i-1, j, longest); LCS(x, b, i, j-1, longest); } } int main(void) { int n, m; int **c, **b; char x[maxn], y[maxn]; scanf("%d%d", &n, &m); c = (int **) malloc(sizeof(int*) * (n+1)); b = (int **) malloc(sizeof(int*) * (n+1)); for(int i = 0; i <= n; i++) { c[i] = (int *)malloc(sizeof(int) * (m+1)); b[i] = (int *)malloc(sizeof(int) * (m+1)); } scanf("%s",(x+1)); scanf("%s",(y+1)); Longest_Common_SubSequence_Length(n, m, x, y, c, b); LCS(x, b, n, m, c[n][m]); }输入测试:
7 6 ABCBDAB BDCABA输出结果:
B C B A B C A B B D A B- 算法复杂度分析:
- 计算最长公共子序列长度:在
int Longest_Common_SubSequence_Length(int n, int m, char *x, char *y, int **c, int **b)中,对于每个单元c[i][j]来说,计算耗费时间为\( O(1) \),总计时间复杂度为\( O(n*m) \)。 - 获取最长公共子序列:在
void LCS(char *x, int **b, int i, int j, int longest)中回溯寻找某一个最大公共子序列的比较次数最大为m+n,时间复杂度为\( O(n+m) \)。 - 这里我们使用了标记数组来避免重复编写比较代码,我们也可以不使用标记数组,这样可以节省一定的空间。同时,如果我们只是为了得到最长公共子序列的长度,我们可以将空间复杂度减少到\( O(min(n,m)) \),因为在之前的计算中可以发现,我们只需要保留数组
c中的第\( i \)行和第\( i-1 \)行的数据即可。
- 这里使用
评论
登录后参与技术讨论,分享你的经验与见解。
登录 / 注册暂无评论