LCS 最长公共子序列

这一片文章写得非常好，放在这里。

LCS：又称 最长公共子序列。 其中子序列(subsequence)的概念不同于串的子串。它是一个不一定连续但按顺序取自字符串X中的字符序列。 例如：串"AAAG"就是串“CGATAATTGAGA”的一个子序列。

 

 

字符串的相似性问题可以通过求解两个串间的最长公共子序列(LCS)来得到。 当然如果使用穷举算法列出串的所有子序列，一共有2^n种，而每个子序列是否是另外一个串的子序列又需要O(m)的时间复杂度，因此这个穷举的方法时间复杂度是O(m*(2^n))指数级别，效率相当的可怕。我们采用动态规划算法来解决这个问题。

 

 

动态规划算法解决最长公共子序列

 

假如我们有两个字符串：X=[0,1,2....n]  Y=[0,1,2...m]。我们定义L(i, j)为X[0...i]与Y[0...j]之间的最长公共子序列的长度。通过动态规划思想(复杂问题的最优解是子问题的最优解和子问题的重叠性质决定的)。我们考虑这样两种情况：

 

(1)  当X[i]=Y[j]时， L(i, j)=L(i-1, j-1)+1 。证明很简单。

(2)  当X[i]!=Y[j]时， 说明此事X[0...i]和Y[0...j]的最长公共子序列中绝对不可能同时含有X[i]和Y[j]。那么公共子序列可能以X[i]结尾，可能以Y[j]结尾，可以末尾都不含有X[i]或Y[j]。因此

                               L(i, j)= MAX{L(i-1 , j), L(i, j-1)}

package DP;

public class LCS2 {
/** 字符串X的字符数组 */
private char[] charArrayX = null;
/** 字符串Y的字符数组 */
private char[] charArrayY = null;

public LCS2(String sa, String sb) {
charArrayX = new char[sa.length() + 1];
System.arraycopy(sa.toCharArray(), 0, charArrayX, 1, sa.length());
charArrayY = new char[sb.length() + 1];
System.arraycopy(sb.toCharArray(), 0, charArrayY, 1, sb.length());
}

/**
* 得到最长公共子序列的长度
*/
public void getLCS() {

int[][] length = new int[charArrayX.length + 1][charArrayY.length + 1];

for (int m = 1; m < charArrayX.length; m++) {
for (int n = 1; n < charArrayY.length; n++) {
if (charArrayX[m] == charArrayY
) {
length[m]
= length[m - 1][n - 1] + 1;
} else
length[m]
= max(length[m - 1]
, length[m][n - 1]);
//					length[m]
= max(length[m]
, length[m-1][n-1]);
}
}

for (int m = 0; m < charArrayX.length; m++) {
for (int n = 0; n < charArrayY.length; n++) {
System.out.print(length[m]
+ " ");
}
System.out.println();
}

// 打印最长公共子序列
String lcstr = "";
int x = charArrayX.length - 1;
int y = charArrayY.length - 1;
while (x >= 1 && y >= 1) {
if (charArrayX[x] == charArrayY[y]) {
lcstr = charArrayX[x] + lcstr;
x--;
y--;
} else {
if (length[x - 1][y] <= length[x][y - 1])	// 往值较大的路径走
y--;
else
x--;
}
}
System.out.println("最长公共子序列为：" + lcstr + " [length=" + lcstr.length()
+ "]");
}

/**
* 取最大值
*/
private int max(int m, int n) {
return m > n ? m : n;
}

/**
* 测试
*/
public static void main(String[] args) {
LCS2 lcs = new LCS2("GTTCCTAATA", "CGATAATTGAGA");
lcs.getLCS();
}
}

这里解释一下上面的代码，其中getLength()的作用是递归获取最长公共子串的长度，并得到递归过程中每个子串之间最长公共子串长度的状态表lcs[][]，这张表运行的结果如下：

		C	G	A	T	A	A	T	T	G	A	G	A
	0	0	0	0	0	0	0	0	0	0	0	0	0
G	0	0	1	1	1	1	1	1	1	1	1	1	1
T	0	0	1	1	2	2	2	2	2	2	2	2	2
T	0	0	1	1	2	2	2	3	3	3	3	3	3
C	0	0	1	1	2	2	2	3	3	3	3	3	3
C	0	1	1	1	2	2	2	3	3	3	3	3	3
T	0	1	1	1	2	2	2	4	4	4	4	4	4
A	0	1	1	2	2	3	3	3	4	4	5	5	5
A	0	1	1	2	2	3	4	4	4	4	5	5	6
T	0	1	1	2	3	3	4	5	5	5	5	5	6
A	0	1	1	2	3	4	4	5	5	5	6	6	6

红色数字的位置就揭示了最长公共子序列： CTATTA。也就是说分析这张表就可以得到最长公共子序列字符串。

 

为什么呢？因为通过表的回溯过程，从后向前重构了一个最长公共子序列。对于任何位置lcs[i][j]，确定是否X[i]=Y[j]。如果是，那么X[i]必是最长公共子序列的一个字符。如果否，那么移动到lcs[i,j-1]和lcs[i-1, j]之间的较大者。

动态规划方法LCS效率：

 

动态规划方法构造最长公共子序列需要O(m*n)的代价，另外，如果想要得到最长公共子序列，又需要O(m+n)的时间来读取csl[][]数组。尽管如此，其时间复杂度仍然比蛮力穷举的指数级别要强的多。

 

 

 

问题拓展：设A,B,C是三个长为n的字符串，它们取自同一常数大小的字母表。设计一个找出三个串的最长公共子串的O(n^3)的时间算法。 (来自《Algorithm Design》(中文版：算法分析与设计) - Chapter9 - 文本处理 - 创新题C-9.18）

 

分析：可以通过《LCS 最长公共子序列 》的动态规划算法，设计Java源代码如下

public class TriLCS{

char[] charA=null;
char[] charB=null;
char[] charC=null;

public TriLCS(String sa,String sb,String sc){
charA=new char[sa.length()+1];
System.arraycopy(sa.toCharArray(),0,charA,1,sa.length());
charB=new char[sb.length()+1];
System.arraycopy(sb.toCharArray(),0,charB,1,sb.length());
charC=new char[sc.length()+1];
System.arraycopy(sc.toCharArray(),0,charC,1,sc.length());
}

public void getTriLCS(){

int[][][] length=new int[charA.length][charB.length][charC.length];

for(int a=1;a<charA.length;a++)
for(int b=1;b<charB.length;b++)
for(int c=1;c<charC.length;c++){

if(charA[a]==charB[b]&&charA[a]==charC[c]){
length[a][b][c]=length[a-1][b-1][c-1]+1;
}
else if(charA[a]==charB[b]&&charA[a]!=charC[c]){
length[a][b][c]=max(length[a-1][b-1][c],length[a][b][c-1]);
}
else if(charA[a]==charC[c]&&charA[a]!=charB[b]){
length[a][b][c]=max(length[a-1][b][c-1],length[a][b-1][c]);
}
else if(charB[b]==charC[c]&&charA[a]!=charB[b]){
length[a][b][c]=max(length[a][b-1][c-1],length[a-1][b][c]);
}
else{
length[a][b][c]=max(length[a-1][b][c],length[a][b-1][c],length[a][b][c-1],length[a-1][b-1][c],length[a-1][b][c-1],length[a][b-1][c-1]);
}
}

//打印最长公共子序列
String lcstr="";
int a=charA.length-1;
int b=charB.length-1;
int c=charC.length-1;
while(a>=1&&b>=1&&c>=1){
if(charA[a]==charB[b]&&charA[a]==charC[c]){
lcstr=charA[a]+lcstr;
a--;
b--;
c--;
}
else if(charA[a]==charB[b]&&charA[a]!=charC[c]){
if(length[a-1][b-1][c]<=length[a][b][c-1])
c--;
else{
a--;
b--;
}
}
else if(charA[a]==charC[c]&&charA[a]!=charB[b]){
if(length[a-1][b][c-1]<=length[a][b-1][c])
b--;
else{
a--;
c--;
}
}
else if(charB[b]==charC[c]&&charA[a]!=charB[b]){
if(length[a][b-1][c-1]<=length[a-1][b][c])
a--;
else{
b--;
c--;
}
}
else{
int maxize=max(length[a-1][b][c],length[a][b-1][c],length[a][b][c-1],length[a-1][b-1][c],length[a-1][b][c-1],length[a][b-1][c-1]);
if(maxize==length[a-1][b][c])
a--;
if(maxize==length[a][b-1][c])
b--;
if(maxize==length[a][b][c-1])
c--;
if(maxize==length[a-1][b-1][c]){
a--;
b--;
}
if(maxize==length[a-1][b][c-1]){
a--;
c--;
}
if(maxize==length[a][b-1][c-1]){
b--;
c--;
}
}
}

System.out.println("最长子串为："+lcstr+"(length="+length[charA.length-1][charB.length-1][charC.length-1]+")");
}

/**
* 取最大值
*/
private int max(int m,int n){
return m>n?m:n;
}
/**
* 取最大值
*/
private int max(int x,int y,int z,int k,int m,int n){
int maxizen=0;
if(maxizen<x) maxizen=x;
if(maxizen<y) maxizen=y;
if(maxizen<z) maxizen=z;
if(maxizen<k) maxizen=k;
if(maxizen<m) maxizen=m;
if(maxizen<n) maxizen=n;
return maxizen;
}

public static void main(String[] args){
TriLCS tri=new TriLCS("aadsbbbcs","adsabcs","adbsbsdcs");
tri.getTriLCS();
}
}

http://hxraid.iteye.com/blog/622462

http://blog.chinaunix.net/uid-26548237-id-3374211.html

http://blog.csdn.net/v_july_v/article/details/6695482