动态规划2-最长公共子序列

参考

http://open.163.com/newview/movie/free?pid=M6UTT5U0I&mid=M6V2U1HL4

问题是给定字符串x和y，求出两个当中最长的公共子序列。比如x=abcdef y=acefg，那么他们的最长公共子序列就是acef。就是求x的所有可能的子字符串与y所有的子字符串匹配，如果相同，那么就是一个公共子序列，然后求最长的一个。

建议观看上面的公开课，讲的非常好。本文思路是根据上面的公开课总结实践的。

一

我们先看看求一个字符串的所有子序列，有什么规律。比如给定一个字符串abc，那么有多少子序列呢？a b c ab ac bc abc还有一个空，就是2^3。按照上面公开课讲的非常通俗易懂，就是字符串一共有n个字符，那么每一位的字符都有两个状态----0-不是子序列的一员 1-是子序列的一员。那么总共的种类就是2^n种。这是最坏的情况，字符串中没有相同的字符，如果有，结果会比这个少。但是计算就是这么计算的。

了解了上面，那么我们进一步判断，如果给定一个x的子序列x1，那么怎么判断y中是否含有呢？简单的方法就是从x1的起始位置和y的起始位置开始判断，如果相同，每个索引加一，直到x1/y的字符串判断结束。如果不匹配，那么y索引加一，再从x1的开头开始计算。

这种是穷举法，肯定能得到结果，但是时间和空间都是最差的。我们先实现看看（穷举法排列组合可以参考排列组合）

struct MNODE
{
    string substr;
    MNODE* pnext;
    MNODE()
    {
        pnext = nullptr;
    }
};
MNODE* msubstr(string& srcstr, int index, int sublen)
{
    MNODE* tmpp = nullptr;
    MNODE* prep = nullptr;
    if (index >= sublen && sublen > 0)
    {
        if (sublen == 1)
        {
            for (int i = 0; i < index; i++)
            {
                MNODE* ftpn = nullptr;
                if (tmpp == nullptr)
                {
                    tmpp = new MNODE;
                    prep = tmpp;
                    ftpn = tmpp;
                }
                else
                {
                    ftpn = new MNODE;
                    prep->pnext = ftpn;
                    prep = ftpn;
                }
                ftpn->substr = srcstr[i];
            }
        }
        else if (sublen > 1)
        {
            MNODE* nsub = msubstr(srcstr, index - 1, sublen - 1);
            tmpp = nsub;
            while (nsub != nullptr)
            {
                nsub->substr = nsub->substr + srcstr[index - 1];
                prep = nsub;
                nsub = nsub->pnext;
            }
            nsub = msubstr(srcstr, index - 1, sublen);
            prep->pnext = nsub;
            while (nsub != nullptr)
            {
                nsub = nsub->pnext;
            }
        }
    }
    return tmpp;
}
bool comps(string& sstr, string& dstr)
{
    int sindex = 0;
    int dindex = 0;
    for (int i = sindex; i < sstr.size(); i++)
    {
        if (dindex == dstr.size())
        {
            break;
        }
        for (int j = dindex; j < dstr.size(); j++)
        {
            if (sstr[i] == dstr[j])
            {
                sindex++;
                dindex = j + 1;
                break;
            }
        }
    }
    if (sindex == sstr.size() && dindex <= dstr.size())
    {
        return true;
    }
    return false;
}
int main()
{
    string a = "abcdef";
    string b = "acefg";
    for (int i = a.size(); i > 0; i--)
    {
        MNODE* psubstr = msubstr(a, a.size(), i);
        while (psubstr != nullptr)
        {
            if (comps(psubstr->substr, b))
            {
                cout << psubstr->substr << endl;
            }
            MNODE* tmpp = psubstr;
            psubstr = tmpp->pnext;
            delete tmpp;
        }
    }
    char inchar;
    cin >> inchar;
}

根据排列组合的方式获取所有的子串，然后匹配，可以列出所有的公共子串，按照从长倒短打印。

二

那么我们有没有更好的解法呢？按照上面的公开课，我们可以这样计算。LCS(x,y)表示计算x和y的最长公共子串。那么C(i,j)表示当前x的子串从0-i和y的子串从0-j的最长公共子串。那么推导公式就是，如果x[i]=y[j]，那么C(i,j) = C(i-1, j-1)+1；如果x[i]!=y[j]，那么C(i,j)=max(C(i-1,j),C(i,j-1))。

描述下来就是求x中0-i组成的字符串与y中0-j组成的字符串的最长公共子串，是有两部分推导来的

如果x当前索引的字符串等于y当前索引的字符串，那么最长公共子串就是i-1与j-1的最长公共子串加上当前的字符。这个很好理解，就是已知前面的最长公共子串，如果当前相等，那么加上就好了。

如果不相等呢？我们需要分两步判断，就是先把i-1加一，算一下当前的最长公共子串，再把j-1加一算一下当前的最长公共子串，然后判断哪一个长，就更新哪一个结果。

上面就是推导公式。

公开课中对其进行了证明

第一条证明，假设z(1,k)表示C(i,j)的最长公共子串，有k个元素，从1-k，当前x(i)==y(j)，那么z(k)==x(i)==y(j)。去掉当前的k，那么LCS(i-1,j-1)就等于z(1,k-1)。对于这个，我们有一个问题，就是必须保证z(1,k-1)是LCS(i-1,j-1)，不然我们后面的推论就是错误的，因为如果不是最长公共子串，那么后续的加上1也不是。公开课中用了一个反证法，比如存在w是一个比z(1,k-1)更长的子串，那么|w|（用|w|表示字符串w的长度）一定大于k-1，那么把w拼接上x(i)或y(j)，那么|w+x(i)|肯定大于k，这与我们一开始设定的z(1,k)是最长公共子串冲突。所以z(1,k-1)肯定是取出x(i)和y(j)之后剩下的字符串的最长公共子串。同样的方法可以证明第二条定理。

那么动态规划的特征是什么，对于什么样的问题可以使用动态规划呢？

第一条就是存在最优子结构。也就是一个问题的最优解，包含了子问题的最优解。如果子问题不是最优解，那么也不可能是总问题的最优解。

上面的公式最坏的情况是什么？按照公开课说的，就是一直是第二条规则。因为第一条规则，不需要计算，直接加一，索引各加一；第二条规则是只有一个索引加一，还需要分别计算两次。

怎么优化呢？按照公开课讲的，我们可以看一下这个公式有没有什么规律，如果是第一条，那么没什么可以省略的，因为已经很简单了，直接更新数据就好了。如果是第二条呢？举个例子，我们看一下第二部计算的分解

 我们没有继续往下分，这里就可以看出，有重复，两个[6,5]，计算了两遍，并且还是靠近树的根的位置，就导致重复计算的内容更多，那么如何优化呢？这里大家估计都想到了，就是把一个[6,5]记录下来，到下一个计算的时候，判断一下，如果有，就不再重复计算了，这样就用空间替换了时间，并且是非常可观的，因为记录结果花不了多少空间，但是确实能节省很多时间。

这里就引出了动态规划的第二个特征，重叠子问题。就是我们在计算的过程中，因为分解问题导致会出现重复的子问题，我们可以使用备忘法，就是上面说的，记录一下这个问题的答案，下次碰到直接获取就好了。

但是这样并没有减少太多的运算，因为什么呢？主要还是因为第二个规则，如果x(i)!=y(j)，因为我们仅仅能利用i和j相同时的重复计算，但是并不能严格使用i-1和j-1的结果。比如x=abc123kmnp，y=kmnpabc456，那么最长公共子串是kmnp，当我们计算到x和y的c的下一位时，所得的子串并不能通过前面的abc来判断，因为随着不断的遍历，最长公共子串是kmnp而不是abc，并且求kmnp与abc没有任何关系。

这个方法就不实现了，每一小步都是上面的一个穷举法，只不过如果碰到一样的可以减少一次计算。

公开课最后给出了这个问题的最终方法。这个方法我在看一些算法题题解的时候有人用到，当时大家都惊为天人，原来一切都还是出自于国外，可惜没有一个作者给其他人指出这种思路出自哪里，如何使用，都自己默默的接受了别人的赞许。

 上面是给定的一个例子求ABCBDAB与BDCABA的最长公共子序列。有多个解，比如BCBA和BDAB。看上面的图，我们把两个字符串用一个二维数组表示，每个元素是x(i)与y(j)的对应关系。数组中灰色的是默认填充0，表示的是，x和y字符串对应空字符串的时候，那么肯定都是没有相同的元素。然后我们一行一行的比较（每行颜色我用了淡橙色和淡蓝色区分），第一行对于x(0)和y(0)，我们知道A与B不相等，所以他们的相同的子串的个数是0，也就是最长公共字序列是0，也就是空字符串。x(1)与y(0)比较发现B与B是相等的，所以就在上一次计算得出的公共子序列基础上加1（这样我们前面的每次计算都是有用的，没有额外的开销），到了x(2)和y(0)，因为C与B不相等，所以当前就等于前面已经求得的公共子序列，也就是1.这里也用到了上面的推导公式，如果相同就加1，不相同就等于LCS(x(i-1),y(j-1))分别加上i和j，求得的两个公共子序列的最大值。那好，到了x(3)和y(0)，这时有一个B和B相等，为什么还是1呢？根据公式推导如果x(i)==y(j)，那么当前的最长公共子串等于LCS(x(i-1),y(j-1))+1，因为要退两个，也就是x(2)和y(-1)，是0，所以LCS(x(3),y(0))还是1.从图标中可以看出，如果相等，那么就是左上角顶格的数字加一，如果不等，就是前一格或是上一格的最大值。前一格就是LCS(x(i-1), y(j))，上一格就是LCS(x(i), y(j-1))；同样相等的话就是左上角的加一，左上角就是LCS(x(i-1),y(j-1))。真是完美的解决方案，非常形象，也很好理解，也很好记。把数学和几何完美的结合在一起。那么最长公共子串怎么求呢？很简单，一行一行的扫描或是一排一排的扫描，在上一次结果所在的i,j位置往后，第一次数字增加的地方就是公共子串的位置，为了求最长的公共子串，我们可以得到最大的数值，然后逆向操作，第一次数字减少的地方就是公共子串的元素。

void lcs()
{
    string a = "abc123kmnp";
    string b = "kmnpabc456";
    int* lcsmap = new int[a.size() * b.size()]();
    int maxnum = 0;
    int maxi = 0;
    int maxj = 0;
    for (int j = 0; j < b.size(); j++)
    {
        for (int i = 0; i < a.size(); i++)
        {
            if (a[i] == b[j])
            {
                if (i > 0 && j > 0)
                {
                    *(lcsmap + a.size() * i + j) = *(lcsmap + a.size() * (i - 1) + j - 1) + 1;
                }
                else
                {
                    *(lcsmap + a.size() * i + j) = 1;
                }
            }
            else
            {
                if (i > 0 && j > 0)
                {
                    *(lcsmap + a.size() * i + j) = max((*(lcsmap + a.size() * (i - 1) + j)), (*(lcsmap + a.size() * i + j - 1)));
                }
                else if (i > 0)
                {
                    *(lcsmap + a.size() * i + j) = *(lcsmap + a.size() * (i - 1) + j);
                }
                else if (j > 0)
                {
                    *(lcsmap + a.size() * i + j) = *(lcsmap + a.size() * i + j - 1);
                }
            }
            if (*(lcsmap + a.size() * i + j) > maxnum)
            {
                maxnum = *(lcsmap + a.size() * i + j);
                maxi = i;
                maxj = j;
            }
        }
    }
    string slcs;
    for (int j = maxj; j >= 0; j--)
    {
        for (int i = maxi; i >= 0; i--)
        {
            if (a[i] == b[j] && *(lcsmap + a.size() * i + j) == maxnum)
            {
                maxi = i;
                maxnum--;
                slcs = a[i] + slcs;
                break;
            }
        }
    }
    cout << slcs;
}