一、問題描述

子串應(yīng)該比較好理解，至于什么是子序列，這里給出一個例子：有兩個母串

cnblogs

belong

比如序列bo, bg, lg在母串cnblogs與belong中都出現(xiàn)過并且出現(xiàn)順序與母串保持一致，我們將其稱為公共子序列。最長公共子序列（Longest Common Subsequence, LCS），顧名思義，是指在所有的子序列中最長的那一個。子串是要求更嚴(yán)格的一種子序列，要求在母串中連續(xù)地出現(xiàn)。在上述例子的中，最長公共子序列為blog（cnblogs, belong），最長公共子串為lo（cnblogs, belong）。

二、求解算法

對于母串X=<x1,x2,⋯,xm>X=<x1,x2,⋯,xm>, Y=<y1,y2,⋯,yn>Y=<y1,y2,⋯,yn> ，求LCS與最長公共子串。

暴力解法

假設(shè) m<nm<n， 對于母串XX，我們可以暴力找出2m2m個子序列，然后依次在母串YY中匹配，算法的時間復(fù)雜度會達(dá)到指數(shù)級O(n∗2m)O(n∗2m) 。顯然，暴力求解不太適用于此類問題。

動態(tài)規(guī)劃

假設(shè)Z=<z1,z2,⋯,zk>Z=<z1,z2,⋯,zk>是XX與YY的LCS， 我們觀察到

     如果xm=ynxm=yn，則zk=xm=ynzk=xm=yn，有Zk−1Zk−1是Xm−1Xm−1與Yn−1Yn−1的LCS；

     如果xm≠ynxm≠yn，則ZkZk是XmXm與Yn−1Yn−1的LCS，或者是Xm−1Xm−1與YnYn的LCS。

因此，求解LCS的問題則變成遞歸求解的兩個子問題。但是，上述的遞歸求解的辦法中，重復(fù)的子問題多，效率低下。改進(jìn)的辦法——用空間換時間，用數(shù)組保存中間狀態(tài)，方便后面的計算。這就是動態(tài)規(guī)劃（DP)的核心思想了。

DP 求解 LCS

用二維數(shù)組c[i][j]記錄串x1x2⋯xix1x2⋯xi與y1y2⋯yjy1y2⋯yj的LCS長度，則可得到狀態(tài)轉(zhuǎn)移方程

代碼實(shí)現(xiàn)

public static int lcs(String str1, String str2) {
 int len1 = str1.length();
 int len2 = str2.length();
 int c[][] = new int[len1+1][len2+1];
 for (int i = 0; i <= len1; i++) {
 for( int j = 0; j <= len2; j++) {
  if(i == 0 || j == 0) {
  c[i][j] = 0;
  } else if (str1.charAt(i-1) == str2.charAt(j-1)) {
  c[i][j] = c[i-1][j-1] + 1;
  } else {
  c[i][j] = max(c[i - 1][j], c[i][j - 1]);
  }
 }
 }
 return c[len1][len2];
}

DP 求解最長公共子串

前面提到了子串是一種特殊的子序列，因此同樣可以用DP來解決。定義數(shù)組的存儲含義對于后面推導(dǎo)轉(zhuǎn)移方程顯得尤為重要，糟糕的數(shù)組定義會導(dǎo)致異常繁雜的轉(zhuǎn)移方程?？紤]到子串的連續(xù)性，將二維數(shù)組c[i][j]用來記錄具有這樣特點(diǎn)的子串——結(jié)尾同時也為為串x1x2⋯xix1x2⋯xi與y1y2⋯yjy1y2⋯yj的結(jié)尾——的長度。

得到轉(zhuǎn)移方程：

最長公共子串的長度為 max(c[i,j]), i∈{1,⋯,m},j∈{1,⋯,n}max(c[i,j]), i∈{1,⋯,m},j∈{1,⋯,n} 。

代碼實(shí)現(xiàn)

public static int lcs(String str1, String str2) {
 int len1 = str1.length();
 int len2 = str2.length();
 int result = 0; //記錄最長公共子串長度
 int c[][] = new int[len1+1][len2+1];
 for (int i = 0; i <= len1; i++) {
 for( int j = 0; j <= len2; j++) {
  if(i == 0 || j == 0) {
  c[i][j] = 0;
  } else if (str1.charAt(i-1) == str2.charAt(j-1)) {
  c[i][j] = c[i-1][j-1] + 1;
  result = max(c[i][j], result);
  } else {
  c[i][j] = 0;
  }
 }
 }
 return result;
}

總結(jié)

以上就是這篇文章的全部內(nèi)容改了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作能帶來一定的幫助，如果有疑問大家可以留言交流。

最新評論