LCS-最长公共子序列
2017-03-31 16:34
204 查看
最长公共子串(Longest Common Subsequence,LCS),子序列和子串的区别:子串是连续的一段。
蛮力法(对s的每一个子序列,检查是否为t的子序列,s有2^m个子序列,t有2^n个子序列,s长度为m,t长度为n)
时间复杂度为O(2^n * 2^m)。
动态规划法(自顶向下)时间复杂度和空间复杂度都是O(m*n)
(最优子结构的意思是全局最优解包含局部最优解,问题能够分解成子问题解决),一般可用四个步骤来解决:找出最优解的结构;递归定义最优解的值;按自底向上的方式计算最优解的值 ;由计算出的结果构造一个最优解。
首先找最优子结构,
设序列S和T的一个最长公共子序列Z,则:
若 sm=tn,则 zk=sm=tn,且Zk-1是Sm-1和Tn-1的最长公共子序列;
若 sm≠tn且 zk≠sm ,则 Z是 Sm-1和 T的最长公共子序列;
若 sm≠tn且 zk≠tn ,则 Z是 S和 Tn-1的最长公共子序列。
大写表示从前到后的序列。
递归关系为:
若s[m] == t
,则l[m]
=l[m-1][n-1]+1;
若s[m] != t
,则l[m]
=max{l[m-1]
, l[m][n-1]}.
f(x)=⎧⎩⎨0c[i−1][j−1]max{c[i-1][j], c[i][j-1]}if i=0 or j=0if i,j>0, and si=tjif i,j>0, and si≠tj
解决这个问题,需要求三个问题:LCS(Sm-1,Tn-1)+1;LCS(Sm-1,T),LCS(S,Tn-1);max{LCS(Sm-1,T),LCS(S,Tn-1)}。
在计算s和t的最长公共子序列时,需要要计算出s和tn-1以及sm-1和t的最长公共子序列,这两个子问题包含一个公共子问题,即tn-1和sm-1的最长公共子序列。
由递归结构可以看出LCS具有子问题重叠性质。但是计算时间随着长度指数增长,考虑到共有O(m*n)个公共子问题,因此采用自底向上的动态规划来提高效率。
附上代码运行环境为jdk1.8:
可能不止一个最长公共子序列,这时,要想到使用一个数组或者容器来保存,以后再写
蛮力法(对s的每一个子序列,检查是否为t的子序列,s有2^m个子序列,t有2^n个子序列,s长度为m,t长度为n)
时间复杂度为O(2^n * 2^m)。
动态规划法(自顶向下)时间复杂度和空间复杂度都是O(m*n)
(最优子结构的意思是全局最优解包含局部最优解,问题能够分解成子问题解决),一般可用四个步骤来解决:找出最优解的结构;递归定义最优解的值;按自底向上的方式计算最优解的值 ;由计算出的结果构造一个最优解。
首先找最优子结构,
设序列S和T的一个最长公共子序列Z,则:
若 sm=tn,则 zk=sm=tn,且Zk-1是Sm-1和Tn-1的最长公共子序列;
若 sm≠tn且 zk≠sm ,则 Z是 Sm-1和 T的最长公共子序列;
若 sm≠tn且 zk≠tn ,则 Z是 S和 Tn-1的最长公共子序列。
大写表示从前到后的序列。
递归关系为:
若s[m] == t
,则l[m]
=l[m-1][n-1]+1;
若s[m] != t
,则l[m]
=max{l[m-1]
, l[m][n-1]}.
f(x)=⎧⎩⎨0c[i−1][j−1]max{c[i-1][j], c[i][j-1]}if i=0 or j=0if i,j>0, and si=tjif i,j>0, and si≠tj
解决这个问题,需要求三个问题:LCS(Sm-1,Tn-1)+1;LCS(Sm-1,T),LCS(S,Tn-1);max{LCS(Sm-1,T),LCS(S,Tn-1)}。
在计算s和t的最长公共子序列时,需要要计算出s和tn-1以及sm-1和t的最长公共子序列,这两个子问题包含一个公共子问题,即tn-1和sm-1的最长公共子序列。
由递归结构可以看出LCS具有子问题重叠性质。但是计算时间随着长度指数增长,考虑到共有O(m*n)个公共子问题,因此采用自底向上的动态规划来提高效率。
附上代码运行环境为jdk1.8:
import java.util.Stack; public class LCS { public static int m, n; public static char[] s, t; public static int[][] dp; public static int[][] b; public static void main(String[] args) { // TODO Auto-generated method stub s = new char[]{'A', 'B','C', 'B', 'D', 'A', 'B'}; t = new char[]{'B', 'D', 'C', 'A', 'B', 'A'}; m = s.length; n = t.length; dp = new int[m+1][n+1]; b = new int[m+1][n+1]; System.out.println(dpLength()); lcs(); } public static int dpLength(){ for(int i = 1; i < m+1; i++){ for(int j = 1; j < n+1; j++){ if(s[i-1] == t[j-1]){ dp[i][j] = dp[i-1][j-1] + 1; b[i][j] = 0; }else if(dp[i][j-1] >= dp[i-1][j]){ dp[i][j] = dp[i][j-1]; b[i][j] = 1; }else{ dp[i][j] = dp[i-1][j]; b[i][j] = 2; } } } return dp[m] ; } public static void lcs(){ Stack<Character> stack = new Stack<Character>(); int i = m, j = n; while(i > 0 && j > 0){ if(b[i][j] == 0){ i--; j--; stack.push(s[i]); }else if(b[i][j] == 1){ j--; }else{ i--; } } while(!stack.isEmpty()){ System.out.print(stack.pop() +" "); } } }
可能不止一个最长公共子序列,这时,要想到使用一个数组或者容器来保存,以后再写
相关文章推荐
- 关于输出多个LCS(最长公共子序列)的简单技巧
- 最长公共子序列LCS和最长回文子序列的动态规划算法
- 最长公共子序列(LCS)
- 动态规划5:LCS最长公共子序列问题
- 动态规划算法解最长公共子序列LCS问题
- 动态规划算法解最长公共子序列LCS问题(2011.12.13重写)
- poj 1458 LCS(最长公共子序列)
- 最长公共子序列LCS(动态规划法)
- 最长公共子序列(LCS)问题
- 【转】最长公共子序列(LCS),求LCS长度和打印输出LCS
- 最长公共子序列(LCS)问题
- 常考的经典算法--最长公共子序列(LCS)与最长公共子串(DP)
- 程序员编程艺术第十一章:最长公共子序列(LCS)问题
- 最长公共子序列(LCS)问题(连续子序列)的三种解法
- 求最长公共子序列(LCS)
- POJ 2250 Compromise(文章的最长公共子序列LCS)
- 算法导论,动态规划 —— 最长公共子序列问题(LCS,python示例)
- LCS最长公共子序列的延伸情况(可连续的子序列)
- 0011算法笔记——【动态规划】最长公共子序列问题(LCS)
- 动态规划法——最长公共子序列(LCS)