动态规划之最长公共子序列(Longest Common Subsequence)
来源:互联网 发布:重庆快乐十分遗漏数据 编辑:程序博客网 时间:2024/05/21 20:21
原文地址:Dynamic Programming | Set 4 (Longest Common Subsequence)
我们已经分别在第一篇、第二篇文章中讨论了重复的子问题与最优的子结构。我们也在第三篇文章中讨论了一个例子。下来我们讲一个最长公共子序列(LCS)作为本文用动态规划来解决的例子问题。
LCS问题描述:已知两个序列,找到同时是两个序列且长度最长的子序列。一个子序列是指与一个序列有相同的相对顺序,但没必要是连续的。例如:“abc”,“abg”,“bdf”,“aeg”,“acefg”,等等都是序列“abcdefg”的子序列。所以一个长度为n的字符串有2^n个不同的子序列。
这是一个经典的计算机科学问题,基本的对比(一个文件对比程序,这个程序输出两个文件的不同处),而且这一技术已经应用到了生物信息学。
例如:
输入序列“ABCDGH”与“AEDFHR”的LCS是长度为3的“ADH”。
输入序列“AGGTAB”与“GXTXAYB”的LCS是长度为4的“GTAB”。
对于这个问题一个简单地方法就是生成给出的序列的所有子序列,然后找出最长匹配的子序列。这个方法有指数级的时间复杂度。我们来看一下这个问题是如何处理动态规划问题的这两个重要属性(重复的子问题与最优的子结构)的。
1)最优的子结构:
假设输入序列是X[0..m-1]和Y[0..n-1],连个序列的长度分别为m和n。假设L(X[0..m-1], Y[0..n-1])是序列X与序列Y的LCS。下面是L(X[0..m-1], Y[0..n-1])的递归定义 :
如果两个序列的最后一个字符匹配(或者X[m-1] == Y[n-1])的话,那么L(X[0..m-1], Y[0..n-1]) = 1 + L(X[0..m-2], Y[0..n-2])
如果两个序列的最后一个字符不匹配(或者X[m-1] != Y[n-1])的话,那么L(X[0..m-1], Y[0..n-1]) = MAX ( L(X[0..m-2], Y[0..n-1]), L(X[0..m-1], Y[0..n-2])
例子:
1)考虑输入字符“AGGTAB”与“GXTXAYB”。两个字符串的最后一个字符匹配,所以LCS的字符可以写成:L(“AGGTAB”, “GXTXAYB”) = 1 + L(“AGGTA”, “GXTXAY”)。
2)考虑输入字符“ABCDGH”与“AEDFHR”。两个字符串的最后一个字符不匹配,所以LCS的字符可以写成: L(“ABCDGH”, “AEDFHR”) = MAX ( L(“ABCDG”, “AEDFHR”), L(“ABCDGH”, “AEDFH”) )。
所以LCS问题对于主问题来讲有最优子结构属性,可以用解决子问题的办法来处理。
2)重复的子问题
下面是LCS问题的一个简单地递归实现。这个实现就是根据上述的递归结构来写得。
/* A Naive recursive implementation of LCS problem */#include<bits/stdc++.h>int max(int a, int b);/* Returns length of LCS for X[0..m-1], Y[0..n-1] */int lcs( char *X, char *Y, int m, int n ){ if (m == 0 || n == 0) return 0; if (X[m-1] == Y[n-1]) return 1 + lcs(X, Y, m-1, n-1); else return max(lcs(X, Y, m, n-1), lcs(X, Y, m-1, n));}/* Utility function to get max of 2 integers */int max(int a, int b){ return (a > b)? a : b;}/* Driver program to test above function */int main(){ char X[] = "AGGTAB"; char Y[] = "GXTXAYB"; int m = strlen(X); int n = strlen(Y); printf("Length of LCS is %d\n", lcs( X, Y, m, n ) ); return 0;}
输出:
Length of LCS is 4
上面简单地递归方法在最坏的情况下的时间复杂度是O(2^n) ,最坏的时候也就是所有的X中的字符都与Y中的不匹配,例如LCS的长度为0。
想一下上面的实现,下面的一种部分递归树,两个输入字符分别是“AXYT”和“AYZX”
lcs("AXYT", "AYZX") / \ lcs("AXY", "AYZX") lcs("AXYT", "AYZ") / \ / \lcs("AX", "AYZX")lcs("AXY", "AYZ")lcs("AXY", "AYZ") lcs("AXYT", "AY")
在上面的部分递归树中,lcs(“AXY”, “AYZ”) 被计算了两次。如果我们画出了全部的递归树,然后我们才看到里面有许多子问题,这些子问题被一遍又一遍地重复执行。所以这个问题有重复子问题的书写,可以通过记忆法或者制表法来避免相同的问题重复的计算。下面就是LCS问题的一个制表法实现:
/* Dynamic Programming C/C++ implementation of LCS problem */#include<bits/stdc++.h>int max(int a, int b);/* Returns length of LCS for X[0..m-1], Y[0..n-1] */int lcs( char *X, char *Y, int m, int n ){ int L[m+1][n+1]; int i, j; /* Following steps build L[m+1][n+1] in bottom up fashion. Note that L[i][j] contains length of LCS of X[0..i-1] and Y[0..j-1] */ for (i=0; i<=m; i++) { for (j=0; j<=n; j++) { if (i == 0 || j == 0) L[i][j] = 0; else if (X[i-1] == Y[j-1]) L[i][j] = L[i-1][j-1] + 1; else L[i][j] = max(L[i-1][j], L[i][j-1]); } } /* L[m][n] contains length of LCS for X[0..n-1] and Y[0..m-1] */ return L[m][n];}/* Utility function to get max of 2 integers */int max(int a, int b){ return (a > b)? a : b;}/* Driver program to test above function */int main(){ char X[] = "AGGTAB"; char Y[] = "GXTXAYB"; int m = strlen(X); int n = strlen(Y); printf("Length of LCS is %d\n", lcs( X, Y, m, n ) ); return 0;}
上述实现的时间复杂度是O(mn) ,这比上面那个简单地递归实现最坏的情况强多了。
以上的实现/代码知识返回了LCS的长度,如果想打印LCS,请看下面的文章Printing Longest Common Subsequence
- 动态规划之最长公共子序列(Longest Common Subsequence)
- [动态规划-2] 最长公共子序列-Longest Common Subsequence
- 最长公共子序列(longest common subsequence) 动态规划
- 动态规划之longest common subsequence最大公共子序列
- 动态规划 (Dynamic Programming) 之 最长公共子序列(Longest Common Subsequence)
- 转载 动态规划 (Dynamic Programming) 之 最长公共子序列(Longest Common Subsequence)
- Dynamic Programming longest common subsequence(LCS) 动态规划之最长公共子序列
- 动态规划之前缀动态规划:poj 1458 Common Subsequence(最长公共子序列)
- 动态规划解最长公共子序列问题LCS(longest common subsequence)
- 最长公共子序列 (LCS,longest common subsequence problem) 动态规划
- [动态规划] [LCS算法] 最长公共子序列 longest common subsequence
- LintCode Longest Common Subsequence(最长公共子序列长度,动态规划入门题)
- 【算法导论学习-29】动态规划经典问题02:最长公共子序列问题(Longest common subsequence,LCS)
- 【算法导论学习-29】动态规划经典问题02:最长公共子序列问题(Longest common subsequence,LCS)
- 最长公共子序列Longest Common Subsequence
- 最长公共子序列 (longest common subsequence)
- 最长公共子序列(Longest Common Subsequence)
- Longest Common Subsequence 最长公共子序列
- iOS开发:UITextView实现placeHolder占位文字的N种方法
- hdu 1028 Ignatius and the Princess III(分解正整数的方案数)
- SingleTask启动activity注意点
- Linux 安装配置DHCP服务器
- <数字图像处理的MATLAB实现笔记>第11章 表示与描述(一)
- 动态规划之最长公共子序列(Longest Common Subsequence)
- git学习笔记--基础知识
- Codeforces 723D - Lakes in Berland
- 封装curl类
- MFC 三种消息
- (HDU 1078) FatMouse and Cheese 记忆化搜索
- linux下的SDK和NDK的环境配置
- 2555.雾雨魔理沙
- DBN的浅显易懂解释