在參閱《A Longest Common Subsequence Algorithm Suitable for Similar Text Strings》(Narao Nakatsu,Yahiko Kambayashi,Shuzo Yajima著)後。發現該算法可以利用線性空間求出最長公共子序列。該算法的時間占用O(n(m-p+1)),p為最長公共子序列的長度。
字符串A和字符串B,計算LCS(A,B)
定義一:設M=Len(A),N=Len(B),不妨設M≤N。
定義二:A=a1a2……aM,表示A是由a1a2……aM這M個字符組成
B=b1b2……bN,表示B是由b1b2……bN這N個字符組成
LCS(i,j)=LCS(a1a2……ai,b1b2……bj),其中1≤i≤M,1≤j≤N
定義三:L(k,i)表示,所有與字符串a1a2……ai有長度為k的LCS的字符串b1b2……bj中j的最小值。
用公式表示就是:L(k,i)=Min{j} Where LCS(i,j)=k
用一個例子來說明:A="CD",B="CEFDRT"。
很明顯的是LCS(2,1)=1,LCS(2,2)=1,LCS(2,3)=1。
滿足LCS(2,j)=1這個條件的j有三個,分別是j=1、j=2、j=3。其中j最小值是1。故L(1,2)=1
為了推導L的計算,有下面幾個定理。
定理一:任意的i,1≤i≤M。有L(1,i)<L(2,i)<L(3,i)……
定理二:任意的i,1≤i≤M-1。任意的k,1≤k≤M。有L(k,i+1)≤L(k,i)
定理三:任意的i,1≤i≤M-1。任意的k,1≤k≤M-1。有L(k,i)<L(k+1,i+1)
定理四:如果L(k,i+1)存在,則L(k,i+1)的計算公式為
L(k,i+1)=Min{Min{j},L(k,i)} Where {ai+1=bj And j>L(k-1,i)}
上面四個定理證明從略。可以從上面四個定理推導出L的計算。
故,L的計算公式為
①L(1,1)=Min{j} Where {a1=bj}
②L(1,i)=Min{Min{j} Where {ai=bj},L(1,i-1)} 此時,1<i≤M
③L(k,i)=Min{Min{j} Where {ai=bj And j>L(k-1,i-1)},L(k,i-1)} 此時,1<i≤M,1<k≤M
注:以上公式中,若找不到滿足Where後面條件的j,則j=MaxValue
當i<k時,則L(k,i)=MaxValue
MaxValue是一個常量,表示“不存在”
在實際的算法實現中,為了簡化運算,再次提出幾個定義。
定義: L(0,i)=0 1≤i≤M
L(k,0)=MaxValue 1<k≤M
MaxValue=N+1 (只要定義一個j不可能取到的值就可以了)
則,在①中的公式可以寫成
L(1,1)=Min{j} Where {a1=bj}=Min{j} Where {a1=bj And j>0 }
=Min{Min{j} Where {a1=bj And j>0 },MaxValue}
=Min{Min{j} Where {a1=bj And j>L(0,0) },L(1,0)}
在②中的公式可以寫成
L(1,i)=Min{Min{j} Where {ai=bj},L(1,i-1)}
=Min{Min{j} Where {ai=bj And j>0},L(1,i-1)}
=Min{Min{j} Where {ai=bj And j>L(0,i)},L(1,i-1)} 此時,1<i≤M
於是,三個公式統一了
④L(k,i)=Min{Min{j} Where {ai=bj And j>L(k-1,i-1)},L(k,i-1)} 此時,1≤i≤M,1≤k≤M
且當i<k時,則L(k,i)=MaxValue
仔細觀察④,公式還可以寫成如下
⑤ L(k,i)=Min{j} Where {ai=bj And L(k-1,i-1)<j<L(k,i-1)} 1≤i≤M,1≤k≤M,且j存在
或 L(k,i)=L(k,i-1) 1≤i≤M,1≤k≤M,當j不存在時
寫成⑤的目的有兩個:一個是簡化計算,不計算不必要的值;一個是為了標記,為後面計算最長公共子序列做准備。
接下來,將會用例子來說明:
A:481234781;B:4411327431
第一步:初始化L矩陣
第二步:如表格所示,計算第一條對角線
運氣很差,只有第一個單元格有值,其余的都是V(MaxValue),很顯然這不是問題的解。這條對角線滿足L(k-1,i-1)<j<L(k,i-1)的只有一個單元格。先把它標記出來。
第三步:如表格所示,計算相鄰的第二條對角線
運氣比較好,有四個值。說明LCS(A,B)至少是4。但由於對角線上有V(MaxValue),所以本條對角線還不是解。同時,滿足L(k-1,i-1)<j<L(k,i-1)的條件的單元格有3個。把它們標記出來。
第四步:如表格所示,計算相鄰的第三條對角線
同理,這條對角線也不是解。把滿足L(k-1,i-1)<j<L(k,i-1)的單元格標記出來。一共是兩個。
第五步:如表格所示,計算相鄰的第四條對角線
很遺憾,這個還不是解。滿足L(k-1,i-1)<j<L(k,i-1)的解就只有1個。標記出來。
第六步:如表格所示,計算相鄰的第五條對角線