经典的LCS问题,动归的状态转移方程如下:
直接的解法:初始化二维矩阵0行0列作为边界值,按行递推出每个子问题的解,最终F[m.n]就是LCS的长度。递推过程中记录路径信息,最后在表中逆向跟踪路径即可获得LCS序列(见算法导论)。
这个问题可以有以下两个优化:
1).空间优化。观察状态转移方程,计算的F[i,j]时只和F[i-1,j-1],F[i,j-1],F[i-1,j]三个元素直接相关。仔细分析一下,在递推F[i]这一行的子问题时,只需要知道F[i-1]一行的值和当前计算的F[i,j]的前一个元素的值f[i,j-1]即可,于是空间复杂度由O(m*n)降低为O(n)。
初始化一个长m+1全0的序列base[],一个为0的递推前导front和一个当前计算元素pre(意义上的F[i,j]),每次计算完F[i,j]后,front的值更新到base[j-1]上,然后把pre更新到front上,然后向后扫描……注意一行最后一个元素的更新!这样迭代n次,最后base[m]的值即LCS的值!
代码如下:
void LCS(string a,string b) { int *base=new int[b.length()+1],front=0,pre=0,k=0; for(int i=0;i<=b.length();i++) cout<<(base[i]=0)<<' '; cout<<endl; for(int i=1;i<=a.length();i++) { front=0; for(int j=1;j<=b.length();j++) { if(a[i-1]==b[j-1]) pre=base[j-1]+1; else pre=max(front,base[j]); base[j-1]=front; front=pre; } base[b.length()]=front; for(int j=0;j<=b.length();j++) cout<<base[j]<<' '; cout<<endl; } delete base; cout<<pre<<endl; }
2).获取LCS序列的方法优化。分析LCS动归的思想,发现不需要在递推过程中去记录路径信息。递推出LCS动归表后,按照动归的思路正向扫描一下表,O(n)的时间复杂度即可获得序列,方法如下:
if(base[i][j]>base[i-1][j-1]) then print a[i-1],i++,j++ (a[i-1]的原因是串下标从0开始) //a[i-1]和b[j-1]匹配
else if(base[i+1][j]>base[i][j]) then print a[i],i+=2,j++ //a[i]和b[j-1]匹配
else if(base[i][j+1]>base[i][j]) then print b[j],i++,j+=2 //a[i-1]和b[j]匹配
else a++.j++
注意如果遇到边界没有匹配完两个串,则需要沿另一条边匹配直到匹配结束
代码写的不怎么漂亮:
void print(string a,string b) { int i=1,j=1,m=a.length(),n=b.length(); while(i<=m&&j<=n) { if(base[i][j]>base[i-1][j-1]) { cout<<a[i-1]<<' '; i++;j++; } else { if(i==m||j==n) break; if(base[i+1][j]>base[i][j]) { cout<<a[i+1-1]<<' '; i+=2;j++; } else if(base[i][j+1]>base[i][j]) { cout<<b[j+1-1]<<' '; i++;j+=2; } else i++,j++; } } while(i+1<=m) { if(base[i+1][j]>base[i][j]) { cout<<a[i+1-1]<<' '; break; } i++; } while(j+1<=n) { if(base[i+1][j]>base[i][j]) { cout<<b[j+1-1]<<' '; break; } j++; } cout<<endl; }