最长公共子序列&最长公共子串

关注

原创最新推荐文章于 2024-01-19 15:24:19 发布 886 阅读 AI 写同款· GEO 优化 ›

动态规划之 最长公共子序列问题下面这篇文章介绍一下在算法设计中动态规划的最长公共子序列的问题。 最长公共子序列问题所谓，也即是分别给出长度为n和m的字符串A，B，然后找出其中最长公共子序列的最优值和最优解。所谓最优值，也就是求出这个最长公共子序列的长度；而最优解，就是要求出这个最长最长公共子序列是什么的问题。给个不太恰当的例子：我们中学数学中经常会遇到求函数最值的问题，比如说求出函数 f（x）的最大值，那么这个最大值就阅读详情

最长公共子序列

1、算法的定义

最长公共子序列（LCS）问题是分别给出长度为i和j的字符串想X，Y，然后找出其中最长公共子序列的最优值和最优解。

2、算法的理解

1）由于最长公共子序列问题属于动态规划问题，所以在求解的时候需要对其分析相关的状态，

总结出状态转移方程。逆向思维从结果到过程的思考分析。

2）对于当前问题的状态分析如下

 假设LCS序列Z长度为k
当字符串X或者Y的长度为0时（I 或者j为0），LCS序列Z(k) = 0
当X(i)=Y(j)时, Z(k) = X(i)=Y(j) ，所以它们的最后一个字符是相等的。此时必然 会存在Z(k-1)∈X(i-1)   或者 Z(k-1)∈Y(j-1)，所以L[i. j] 与L[i-1，j-1]相差1， 即L[i， j] = L[i-1，j-1]+1
 当X(i) !=Y(j)时 Z(k) ∈X(m<=i) 或Z(k) ∈Y (n<=j)( m与n不相等)，此时的Z中的K值  必然存在于max{m，n}中。   根据以上信息得到：LCS([I, o] >= LCS[m , o]   和  LCS([o, j]>= LCS[o , n]。即：L[ i ，j] = max{ L[i-1 , j] , L[ I , j-1] }
 总结得到如下的状态转移方程

3、算法实现

4、实现解析

假设两个字符串A为”ABCBDAB” B为“BDCABA”，需要写的二维表为L[8][7]。

a)        第一个for循环填写表中第一列，初始值都为0；

b)        第二个for循环填写表中第一行，初始值都为0；

c)        接下来两个嵌套循环用于填表（ == 或者 != 的情况）填表结果如下：L[7][6]为LCS的值。