首页 > 代码库 > 线性动态规划——解最长公共子序列问题

线性动态规划——解最长公共子序列问题

动态规划法

经常会遇到复杂问题不能简单地分解成几个子问题,而会分解出一系列的子问题。简单地采用把大问题分解成子问题,并综合子问题的解导出大问题的解的方法,问题求解耗时会按问题规模呈幂级数增加(分治思想,递归方法。往往会由于数据大导致递归层次过多而超时或爆栈,即使采用记忆化等优化策略,仍然可能解决不了问题)

   为了节约重复求相同子问题的时间,引入一个数组,不管它们是否对最终解有用,把所有子问题的解存于该数组中,找出数组中相关元素之间存在的关系(动态转移方程),这就是动态规划法所采用的基本方法。

【问题】 求两字符序列的最长公共字符子序列

    问题描述:字符序列的子序列是指从给定字符序列中随意地(不一定连续)去掉若干个字符(可能一个也不去掉)后所形成的字符序列。令给定的字符序列X=“x0,x1,…,xm-1”,序列Y=“y0,y1,…,yk-1”是X的子序列,存在X的一个严格递增下标序列<i0,i1,…,ik-1>,使得对所有的j=0,1,…,k-1,有xij=yj。例如,X=“ABCBDAB”,Y=“BCDB”是X的一个子序列。

    考虑最长公共子序列问题如何分解成子问题,设A=“a0,a1,…,am-1”,B=“b0,b1,…,bm-1”,并Z=“z0,z1,…,zk-1”为它们的最长公共子序列。不难证明有以下性质

   (1) 如果am-1=bn-1,则zk-1=am-1=bn-1,且“z0,z1,…,zk-2”是“a0,a1,…,am-2”和“b0,b1,…,bn-2”的一个最长公共子序列;

   (2) 如果am-1!=bn-1,则若zk-1!=am-1,蕴涵“z0,z1,…,zk-1”是“a0,a1,…,am-2”和“b0,b1,…,bn-1”的一个最长公共子序列;

   (3) 如果am-1!=bn-1,则若zk-1!=bn-1,蕴涵“z0,z1,…,zk-1”是“a0,a1,…,am-1”和“b0,b1,…,bn-2”的一个最长公共子序列。

    这样,在找A和B的公共子序列时,如有am-1=bn-1,则进一步解决一个子问题,找“a0,a1,…,am-2”和“b0,b1,…,bm-2”的一个最长公共子序列;如果am-1!=bn-1,则要解决两个子问题,找出“a0,a1,…,am-2”和“b0,b1,…,bn-1”的一个最长公共子序列和找出“a0,a1,…,am-1”和“b0,b1,…,bn-2”的一个最长公共子序列,再取两者中较长者作为A和B的最长公共子序列。

求解:

引进一个二维数组c[][],用c[i][j]记录X[i]与Y[j] 的LCS 的长度,b[i][j]记录c[i][j]是通过哪一个子问题的值求得的,以决定搜索的方向。
我们是自底向上进行递推计算,那么在计算c[i,j]之前,c[i-1][j-1],c[i-1][j]与c[i][j-1]均已计算出来。此时我们根据X[i] = Y[j]还是X[i] != Y[j],就可以计算出c[i][j]。

问题的递归式写成:


recursive formula

回溯输出最长公共子序列过程:

flow

 

算法分析:
由于每次调用至少向上或向左(或向上向左同时)移动一步,故最多调用(m + n)次就会遇到i = 0或j = 0的情况,此时开始返回。返回时与递归调用时方向相反,步数相同,故算法时间复杂度为Θ(m + n)。


代码1:

#include <stdio.h>
#include <string.h>
#define MAXLEN 100
// 求序列 X 和 Y 的最长公共子序列 
void LCSLength(char *x, char *y, int m, int n, int c[][MAXLEN], int b[][MAXLEN])
{
    int i, j;

    for(i = 0; i <= m; i++) //初始化 
        c[i][0] = 0;
    for(j = 1; j <= n; j++) //初始化 
        c[0][j] = 0;
    //注意,数组是由0开始,但是本题中将数组中第一个元素用i表示为1了,因此x[i-1]==y[j-1]这样比较 
    //实际上 b[i][j]记录的信息是字符序列中第i个和第j个的关系信息,并非x[i] , y[j] 关系 
    for(i = 1; i<= m; i++)
    {
        for(j = 1; j <= n; j++)
        {
            if(x[i-1] == y[j-1])  //利用动态转移方程,递推求解 
            {
                c[i][j] = c[i-1][j-1] + 1;
                b[i][j] = 0;      //记录当前位置字符在最长公共子序列中 
            }
            else if(c[i-1][j] >= c[i][j-1])
            {
                c[i][j] = c[i-1][j];
                b[i][j] = 1;     //记录最长公共子序列在[i-1][j]这部分 
            }
            else
            {
                c[i][j] = c[i][j-1];
                b[i][j] = -1;    //记录最长公共子序列 在[i][j-1]部分内 
            }
        }
    }
}

void PrintLCS(int b[][MAXLEN], char *x, int i, int j) //根据b[][]的记录,输出最长公共子序列 
{
    if(i == 0 || j == 0)
        return;
//  printf("i=%d j=%d b[i][j]=%d\n",i,j,b[i][j]); 
    if(b[i][j] == 0) //当前位置的字符在最长公共子序列中 
    {
        PrintLCS(b, x, i-1, j-1); //继续往后查找余下的最长公共子序列 
        printf("%c ", x[i-1]);    //查找完前面的子序列后,再输出后面的当前公共子序列末尾字符 
//        printf("i=%d j=%d\n",i,j); 
    }
    else if(b[i][j] == 1)
        PrintLCS(b, x, i-1, j);
    else
        PrintLCS(b, x, i, j-1);
}

int main(int argc, char **argv)
{
    char x[MAXLEN];
    char y[MAXLEN];
    int b[MAXLEN][MAXLEN];
    int c[MAXLEN][MAXLEN];
    int m, n;
    scanf("%s%s",x,y); 
    m = strlen(x);
    n = strlen(y);
    
    LCSLength(x, y, m, n, c, b);
    PrintLCS(b, x, m, n);
    
    return 0;
}

代码2:

#include<stdio.h>
#include<stdlib.h>
#include<string.h>
const int SIZEN=5001;
int s1[SIZEN]={0},s2[SIZEN]={0};
int l1,l2;
int f[SIZEN][SIZEN]={{0}}; //初始化 F[i][j] 表示长度为i的序列和长度为j的序列最长公共子序列长度

int max(int a,int b)
{
	return a>b?a:b;
} 

void read(void){   //读入数据处理,将输入的字幕全部转化为A-Z字母相应的数字存储 
    char str[SIZEN];
	int i;
	scanf("%s",str);
	i=0;
	while(str[i]!='.') s1[i+1]=str[i]-'A',i++;
	l1=i;
	scanf("%s",str);
	i=0;
	while(str[i]!='.') s2[i+1]=str[i]-'A',i++;
	l2=i;
}
void dp(void){  //根据动态转移方程求DP[i][j] 表示长度为i的序列和长度为j的序列最长公共子序列长度 
	int i,j;
	for(i=1;i<=l1;i++){
		for(j=1;j<=l2;j++){
			if(s1[i]==s2[j]) f[i][j]=f[i-1][j-1]+1;
			else f[i][j]=max(f[i][j-1],f[i-1][j]);
		}
	}
}
int main(){

	read();
	dp();
	printf("%d\n",f[l1][l2]);
	return 0;
}





线性动态规划——解最长公共子序列问题