编辑距离，最长公共子序列，最长公共子串，最长递增子序列

忘是亡心i 2022-08-28 14:44 251阅读 0赞

## 1.编辑距离 ##

编辑距离，又称Levenshtein距离（也叫做Edit Distance），是指两个字串之间，由一个转成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。俄罗斯科学家Vladimir Levenshtein在1965年提出这个概念。

例如将kitten一字转成sitting：

1.  sitten （k→s）
2.  sittin （e→i）
3.  sitting （→g）

### 最小编辑距离代码实例 ###

![ExpandedBlockStart.gif][]

[![复制代码][copycode.gif]][copycode.gif 1]

#include<iostream>
    #include<stdlib.h>
    #include<stdio.h>
    #include<string>
    using namespace std;
    
    #define maxNum 100
    char a[maxNum],b[maxNum];//存放输入字符串
    int c[maxNum][maxNum];//动态规划二维表
    
    int diff(char a,char b)//判断字符a，b是否相等， 相等则编辑距离不增加，返回0，否则返回1
    {
        if(a==b)
            return 0;
        else
            return 1;
    }
    
    int min(int a,int b,int c)//求三数中最小的
    {
        int d;
        if(a<b)
            d=a;
        else
            d=b;
        if(c<d)
            return c;
        else
            return d;
    }
    
    int main()
    {
        printf("please input string a/n");
        scanf("%s",a);
        printf("please input string b/n");
        scanf("%s",b);
        printf("%s %s/n",a,b);
    
        int len_a=strlen(a);
        int len_b=strlen(b);
        
        int i,j;
        for(i=0;i<=len_a;i++)
            c[i][0]=i;
        for(j=0;j<=len_b;j++)
            c[0][j]=j;
    
        for(i=1;i<=len_a;i++)
            for(j=1;j<=len_b;j++)
                c[i][j]=min(1+c[i-1][j],1+c[i][j-1],diff(a[i-1],b[j-1])+c[i-1][j-1]);
    
        for(i=0;i<=len_a;i++)
        {
            for(j=0;j<=len_b;j++)
                cout<<c[i][j]<<" ";
            cout<<endl;
        }
    
        system("pause");
        return 0;
    }
    /*
    please input string a
    EXPONENTIAL
    please input string b
    POLYNOMIAL
    EXPONENTIAL POLYNOMIAL
    0 1 2 3 4 5 6 7 8 9 10
    1 1 2 3 4 5 6 7 8 9 10
    2 2 2 3 4 5 6 7 8 9 10
    3 2 3 3 4 5 6 7 8 9 10
    4 3 2 3 4 5 5 6 7 8 9
    5 4 3 3 4 4 5 6 7 8 9
    6 5 4 4 4 5 5 6 7 8 9
    7 6 5 5 5 4 5 6 7 8 9
    8 7 6 6 6 5 5 6 7 8 9
    9 8 7 7 7 6 6 6 6 7 8
    10 9 8 8 8 7 7 7 7 6 7
    11 10 9 8 9 8 8 8 8 7 6
    请按任意键继续. . .
    */

[![复制代码][copycode.gif]][copycode.gif 1]

二维数组最后一个元素值就是最小编辑距离，也就是6.

## 2.最长公共子序列 ##

### 2.1问题定义 ###

最长公共子序列，英文缩写为LCS（Longest Common Subsequence）。其定义是，一个序列 S ，如果分别是两个或多个已知序列的子序列，且是所有符合此条件序列中最长的，则 S 称为已知序列的最长公共子序列。而最长公共子串(要求连续)和最长公共子序列是不同的，因为最长公共子序列不要求子序列在原有序列中连续出现。

### 2.2解题思路 ###

这种题目使用动态规划解决。为了节约重复求相同子问题的时间，引入一个数组，不管它们是否对最终解有用，把所有子问题的解存于该数组中，这就是动态规划法所采用的基本方法。所以此处引进一个二维数组c\[\]\[\]，用c\[i\]\[j\]记录X\[i\]与Y\[j\] 的LCS 的长度，b\[i\]\[j\]记录c\[i\]\[j\]是通过哪一个子问题的值求得的，以决定搜索的方向。

我们首先进行自底向上的递推计算，那么在计算c\[i,j\]之前，c\[i-1\]\[j-1\]，c\[i-1\]\[j\]与c\[i\]\[j-1\]均已计算出来。此时我们根据X\[i\] = Y\[j\]还是X\[i\] != Y\[j\]，就可以计算出c\[i\]\[j\]。具体思路如下

[![复制代码][copycode.gif]][copycode.gif 1]

if(x[i]==y[j])//如果X[i] 和 Y[j]相等，那么c[i][j]的值可以通过1+c[i-1][j-1]得出。而c[i-1][j-1]已经推算出来。
    　　c[i][j]=1+c[i-1][j-1]
    else{
       //如果X[i] 和 Y[j]不相等，那么x[i]和y[j]的最长公共子序列可能是x[i]与y[j-1]的最长公共子序列，也可能是x[i-1]与y[j]的最长公共子序列，我们求其最大值
    　　c[i][j]=max(c[i][j-1],c[i-1][j])
    }

[![复制代码][copycode.gif]][copycode.gif 1]

我们上面的自底向上推算是在“c\[i-1\]\[j-1\]，c\[i-1\]\[j\]与c\[i\]\[j-1\]已经计算出来后再求c\[i,j\]”这个前提下进行的。所以我们构建c\[\]\[\]这个数组是从头开始的。在创建好c\[\]\[\]以后我们需要初始化这个二维数组，c\[0\]\[0...n\]=0，c\[0...m\]\[0\]=0。这是为了便于计算后面的c\[1\]\[1\]使用。用于表示x\[1\]和y\[1\]的最长公共子序列，但是我们发现字符数组char\* x\[\]跟char\* y\[\]是从下标0开始计算的，所以在这里x\[i\]\[j\]表示的是x\[i-1\]和y\[j-1\]的最长公共子序列。

最后问题可以用递归式写成：

![2012041322543042.png][]

### 2.3最长公共子序列实例 ###

![ExpandedBlockStart.gif][]

[![复制代码][copycode.gif]][copycode.gif 1]

#include<iostream>
    #include<stdlib.h>
    #include<stdio.h>
    #include<string>
    using namespace std;
    
    #define maxNum 100
    char a[maxNum],b[maxNum];//存放输入字符串
    int c[maxNum][maxNum];//动态规划二维表
    
    int max(int a,int b)//求三数中最大的
    {
        
        if(a>b)
            return a;
        else
            return b;
    }
    
    int main()
    {
        printf("please input string a\n");
        scanf("%s",a);
        printf("please input string b\n");
        scanf("%s",b);
        printf("%s %s\n",a,b);
    
        int len_a=strlen(a);
        int len_b=strlen(b);
        
        int i,j;
        for(i=0;i<=len_a;i++)
            c[i][0]=0;
        for(j=0;j<=len_b;j++)
            c[0][j]=0;
    
        for(i=1;i<=len_a;i++)
            for(j=1;j<=len_b;j++)
            {
                if(a[i-1]==b[j-1])
                {
                    c[i][j]=c[i-1][j-1]+1;
                }
                else
                {
                    c[i][j]=max(c[i-1][j],c[i][j-1]);
                }
            }
                
        for(i=0;i<=len_a;i++)
        {
            for(j=0;j<=len_b;j++)
                cout<<c[i][j]<<" ";
            cout<<endl;
        }
    
        system("pause");
        return 0;
    }
    /*
    please input string a
    ABCBDAB
    please input string b
    BDCABA
    ABCBDAB BDCABA
    0 0 0 0 0 0 0
    0 0 0 0 1 1 1
    0 1 1 1 1 2 2
    0 1 1 2 2 2 2
    0 1 1 2 2 3 3
    0 1 2 2 2 3 3
    0 1 2 2 3 3 4
    0 1 2 2 3 4 4
    */

[![复制代码][copycode.gif]][copycode.gif 1]

根据上述解题思路给出代码实现

![ExpandedBlockStart.gif][]

[![复制代码][copycode.gif]][copycode.gif 1]

上述代码只给出了最长公共子序列的长度，但是没有输出最长公共子序列，如前所述我们需要通过一个b\[\]\[\]来记录c\[\]\[\]是由哪一步得到的。

1.  b\[i\]\[j\]=0;//表示c\[i\]\[j\]由c\[i-1\]\[j-1\]+1得到
2.  b\[i\]\[j\]=1;//表示c\[i\]\[j\]由c\[i\]\[j-1\]得到
3.  b\[i\]\[j\]=-1;//表示c\[i\]\[j\]由c\[i-1\]\[j\]得到

这样在输出最长子序列的时候，我们从c\[\]\[\]最后一个位置开始递归遍历。代码实现如下：

![ExpandedBlockStart.gif][]

[![复制代码][copycode.gif]][copycode.gif 1]

//最长公共子序列，英文缩写为LCS（Longest Common Subsequence）
    #include<iostream>
    #include<stdlib.h>
    using namespace std;
    
    #define MaxLen 100
    
    int max(int a,int b)
    {
        return a>b?a:b;
    }
    
    void LCSLength(char* s1, char* s2, int len1, int len2, int c[][MaxLen], int b[][MaxLen])
    {
        int i,j;
        //初始化c[][]
        for(i=0;i<=len1;i++)//从0开始
        {
            c[i][0]=0;
        }
        for(j=0;j<=len2;j++)//从0开始或者从1开始都可以
        {
            c[0][j]=0;
        }
    
        for(i=1;i<=len1;i++)//从1开始
            for(j=1;j<=len2;j++)//从1开始
            {
                if(s1[i-1]==s2[j-1])//注意这里是i-1和j-1，因为字符串数组从下标0开始。
                {
                    c[i][j]=c[i-1][j-1]+1;
                    b[i][j]=0;//表示c[i][j]由c[i-1][j-1]+1得到
                }
                    
                else if(c[i][j-1]>=c[i-1][j])
                {
                    c[i][j]=c[i][j-1];
                    b[i][j]=1;//表示c[i][j]由c[i][j-1]得到
                }
    
                else
                {
                    c[i][j]=c[i-1][j];
                    b[i][j]=-1;//表示c[i][j]由c[i-1][j]得到
                }
            }
    
        ////输出c[][]
        //for(i=0;i<=len1;i++)
        //{
        //    for(j=0;j<=len2;j++)
        //    {
        //        cout<<c[i][j]<<" ";
        //    }
        //    cout<<endl;
        //}
    }
    
    void PrintLCS(char* s1,int i,int j,int b[][MaxLen])
    {
        //递归退出条件
        if(i<=0||j<=0)
            return;
    
        if(b[i][j]==0)
        {
            PrintLCS(s1,i-1,j-1,b);
            cout<<s1[i-1];
        }
        else if(b[i][j]==1)//表示c[i][j]由c[i][j-1]得到
        {
            PrintLCS(s1,i,j-1,b);
        }
        else
        {
            PrintLCS(s1,i-1,j,b);
        }
    
    }
    
    int main()
    {
        char* s1="ABCBDAB";
        char* s2="BDCABA";
        int len1=strlen(s1);
        int len2=strlen(s2);
        //cout<<len1<<endl;
    
        int c[MaxLen][MaxLen];//c[i][j]记录X[i]与Y[j] 的LCS 的长度
        int b[MaxLen][MaxLen];//b[i][j]记录c[i][j]是通过哪一个子问题的值求得的，以决定搜索的方向
        LCSLength(s1,s2,len1,len2,c,b);
        PrintLCS(s1,len1,len2,b);
    
        system("pause");
        return 0;
    }

[![复制代码][copycode.gif]][copycode.gif 1]

##  3.最长公共子串 ##

3.1解体思路

找两个字符串的最长公共子串，这个子串要求在原字符串中是连续的。可以用动态规划来求解。我们采用一个二维矩阵来记录中间的结果。这个二维矩阵怎么构造呢？首先初始化这个二维数组c\[\]\[\]，

1.  如果x\[0..i\]=y\[0\]，则c\[i\]\[0\]=1，否则c\[i\]\[0\]=0
2.  如果y\[0..j\]=x\[0\]，则c\[0\]\[j\]=1，否则c\[0\]\[j\]=0

然后计算c\[i\]\[j\]的值，如果x\[i\]==y\[j\]，则c\[i\]\[j\]=c\[i-1\]\[j-1\]+1。

直接举个例子吧："ABCBDAB"和"BDCABA"(当然我们现在一眼就可以看出来最长公共子串是"AB"或"BD")

[![复制代码][copycode.gif]][copycode.gif 1]

B D C A B A
    A  0 0 0 1 0 1
    B  1 0 0 0 2 0
    C  0 0 1 0 0 0
    B  1 0 0 0 1 0
    D  0 2 0 0 0 0
    A  0 0 0 1 0 1
    B  1 0 0 0 2 0

[![复制代码][copycode.gif]][copycode.gif 1]

3.2代码实现

![ExpandedBlockStart.gif][]

[![复制代码][copycode.gif]][copycode.gif 1]

//最长公共子串，英文缩写为LCS（Longest Common Substring）
    #include<iostream>
    #include<stdlib.h>
    using namespace std;
    
    #define MaxLen 100
    
    void LCSubstring(char* s1, char* s2, int len1, int len2, int c[][MaxLen])
    {
        int i,j;
        //初始化c[][]
        for(i=0;i<len1;i++)
        {
            if(s1[i]==s2[0])
                c[i][0]=1;
            else
                c[i][0]=0;
        }
            
        for(j=0;j<len2;j++)
        {
            if(s2[j]==s1[0])
                c[0][j]=1;
            else
                c[0][j]=0;
        }
    
        int max=0;
        int m,n;
    
        for(i=1;i<len1;i++)//从1开始
            for(j=1;j<len2;j++)//从1开始
            {
                if(s1[i]==s2[j])
                {
                    c[i][j]=c[i-1][j-1]+1;
                    if(c[i][j]>max)//记录最长公共字串的位置
                    {
                        max=c[i][j];
                        m=i;
                        n=j;
                    }
                }
                else
                {
                    c[i][j]=0;
                }
            }
    
        for(i=m-max+1;i<=m;i++)//输出公共字串
        {
            cout<<s1[i];
        }
        cout<<endl;
    
        //输出c[][]
        for(i=0;i<len1;i++)
        {
            for(j=0;j<len2;j++)
            {
                cout<<c[i][j]<<" ";
            }
            cout<<endl;
        }
    }
    
    int main()
    {
        char* s1="ABCBDAB";
        char* s2="BDCABA";
        int len1=strlen(s1);
        int len2=strlen(s2);
    
        int c[MaxLen][MaxLen];//c[i][j]记录X[i]与Y[j] 的LCS 的长度
        LCSubstring(s1,s2,len1,len2,c);
    
        system("pause");
        return 0;
    }

[![复制代码][copycode.gif]][copycode.gif 1]

## 4.最长递增子序列 ##

### 4.1参考文献： ###

[http://blog.csdn.net/hhygcy/article/details/3950158][http_blog.csdn.net_hhygcy_article_details_3950158]

### 4.2解题思路 ###

既然已经说到了最长公共子序列，就把这个递增子序列也说了。同样的，这里subsequence表明了这样的子序列不要求是连续的。比如说有子序列\{1, 9, 3, 8, 11, 4, 5, 6, 4, 19, 7, 1, 7 \}，这样一个字符串的的最长递增子序列就是\{1,3,4,5,6,7\}或者\{1,3,4,5,6,19\}。

其实这个问题和前面的最长公共子序列问题还是有一定的关联的。

1.  假设我们的初始的序列                 S1= \{1, 9, 3, 8, 11, 4, 5, 6, 4, 19, 7, 1,    7 \}。
2.  那我们从小到大先排序一下。得到了S1'=\{1, 1, 3, 4, 4,   5, 6, 7, 7 , 8,  9, 11, 19\}。

这样我们再求S1和S1'的最长公共子序列就是S1的最长递增子序列了。这个过程还是比较直观的。但是这个不是这次要说的重点，这个问题有比较传统的做法的.

我们定义L(j)是一个优化的子结构,也就是最长递增子序列。那么L(j)和L(1..j-1)的关系可以描述成

L(j) = max \{L(i), i<j && Ai<Aj  \} + 1;  也就是说L(j)等于之前所有的L(i)中最大的的L(i)加一。这样的L(i)需要满足的条件就是Ai<Aj。这个推断还是比较容易理解的。就是选择j之前所有的满足小于当前数组的最大值。

最后求max(L(j))就是最长递增子序列，需要注意的是L\[len-1\]并不一定是最长递增子序列的长度。

### 4.3代码实现 ###

![ExpandedBlockStart.gif][]

[![复制代码][copycode.gif]][copycode.gif 1]

#include<iostream>
    #include<stdlib.h>
    using namespace std;
    
    #define MaxLen 100
    //方法1：通过求有向无环图的最长路径来求最长递增子序列，通过二维数组构建有向无环图。
    int LIS(int arry[],int len,int e[][MaxLen],int L[])
    {
        int i,j;
        //初始化有向图
        for(i=0;i<len;i++)
        {
            L[i]=1;//初始化L[]
            for(j=i+1;j<len;j++)
            {
                if(arry[i]<arry[j])
                    e[i][j]=1;
                else
                    e[i][j]=0;
            }
        }
        //转换为求有向图的最长路径
        for(i=0;i<len;i++)
        {
            for(j=i+1;j<len;j++)
            {
                if(e[i][j]==1&&L[j]<1+L[i])
                {
                    L[j]=1+L[i];
                }
            }
        }
    
        int max=0;
        //根据L[i]求最长递增子序列
        for(int i=0;i<len;i++)
            if(L[i]>max)
                max=L[i];
    
        return max;//L[len-1]不一定就最长递增子序列的长度
    }
    
    //方法2：
    int LIS2(int arry[],int len,int L[])
    {
        int i,j;
        for(i=0;i<len;i++)
        {
            L[i]=1;//初始化L[]
        }
        for(i=1;i<len;i++)
        {
            for(int j=i+1;j<len;j++)
            {
                if(arry[i]<arry[j]&&L[j]<1+L[i])
                    L[j]=1+L[i];
            }
        }
        int max=0;
        //根据L[i]求最长递增子序列
        for(int i=0;i<len;i++)
            if(L[i]>max)
                max=L[i];
    
        return max;//L[len-1]不一定就最长递增子序列的长度
    }
    
    //打印最长递增子序列
    void printString(int p[],int k,int arry[])
    {
        if(p[k]==-1)
            return;
    
        printString(p,p[k],arry);
        cout<<arry[k];
    
    }
    
    //方法3：
    int LIS3(int arry[],int len,int L[])
    {
        int p[MaxLen];
        int i,j;
        for(i=0;i<len;i++)
        {
            L[i]=1;//初始化L[]
            p[i]=-1;
        }
        for(i=1;i<len;i++)
        {
            for(int j=i+1;j<len;j++)
            {
                if(arry[i]<arry[j]&&L[j]<1+L[i])
                {
                    L[j]=1+L[i];
                    p[j]=i;//表示arry[j]的前一个元素使arry[i]。
                }
            }
        }
    
        int max=0;
        int k;
        //根据L[i]求最长递增子序列
        for(int i=0;i<len;i++)
        {
            if(L[i]>max)
            {
                max=L[i];
                k=i;
            }
        }
    
        printString(p,k,arry);
        cout<<endl;
        return max;//L[len-1]不一定就最长递增子序列的长度
    }
    
    
    void main()
    {
        int arry[]={
        5,2,8,6,3,6,9,7};
        int len=sizeof(arry)/sizeof(int);
        int e[MaxLen][MaxLen];
        int *L=new int[len];
        cout<<LIS(arry,len,e,L)<<endl;
        cout<<LIS2(arry,len,L)<<endl;
    
        cout<<LIS3(arry,len,L)<<endl;
        system("pause");
    }

[![复制代码][copycode.gif]][copycode.gif 1]

但是上面的 LIS和 LIS2两种实现都没有给出递增子序列本身，只给出了长度。而 LIS3能够输出一个子序列。举例说明其实现方式:

[![复制代码][copycode.gif]][copycode.gif 1]

arry[]={
       5,2，8，9，3}
    L[0...i]                                 p[0...i]
    1, 1, 1, 1, 1                             -1, -1, -1, -1, -1
          2, 2                                         0,  0
                2                                              1      
             3                                             2

[![复制代码][copycode.gif]][copycode.gif 1]

如上述所示，我们首先初始化数组L\[\]和p\[\]，其中L用于记录递增子序列的长度，而p\[\]用于回溯递增子序列，其中p\[j\]=i表示arry\[i\]->arry\[j\]是一个递增子序列。我们在L\[\]中能够求出递增子序列的长度max以及递增子序列的末尾元素所在位置k。然后通过k我们回溯数组p，因此这里使用了递归方式打印递增子序列。

转载：/images/20220828/d585c9cf111645fe91deeeb349b146a4.png

[ExpandedBlockStart.gif]: /images/20220828/7a43249d67e0465eb23295d8b053c77d.png
[copycode.gif]: http://common.cnblogs.com/images/copycode.gif
[copycode.gif 1]: /images/20220828/d585c9cf111645fe91deeeb349b146a4.png
[2012041322543042.png]: /images/20220828/557ce2b5e3414183a3a1408a00a196ea.png
[http_blog.csdn.net_hhygcy_article_details_3950158]: http://blog.csdn.net/hhygcy/article/details/3950158