作者介绍：10年大厂数据\经营分析经验，现任大厂数据部门负责人。
会一些的技术：数据分析、算法、SQL、大数据相关、python
欢迎加入社区：码上找工作
作者专栏每日更新：
LeetCode解锁1000题: 打怪升级之旅
python数据分析可视化：企业实战案例
备注说明：方便大家阅读，统一使用python，带必要注释，公众号 数据分析螺丝钉 一起打怪升级
1. 问题介绍和应用场景
最长公共子序列（LCS）问题是在信息学、生物学以及在日常软件开发中，特别是在版本控制系统的开发中广泛应用的一类问题。LCS可以用来比较两个序列（通常是字符串）的相似度，它寻找在两个序列中都出现过并且所有字符都以相同顺序排列，但不必连续的最长序列。
2. 问题定义和示例
定义： 给定两个字符串 s1 和 s2，找出这两个字符串的最长公共子序列的长度。公共子序列是指在两个字符串中都能找到的序列，其字符顺序与原始字符串中的顺序相同但不必连续。
示例：
s1 = "abcde"s2 = "ace"
最长公共子序列是 "ace"，长度为3。
3. 状态定义
在动态规划中，状态的选择是解题的关键。在本问题中，我们定义 dp[i][j] 为考虑 s1 的前 i 个字符和 s2 的前 j 个字符时的最长公共子序列的长度。
4. 状态转移方程
要构建状态转移方程，考虑以下情况：
- 如果当前字符
s1[i-1]和s2[j-1]相等，那么这个字符一定在LCS中。因此，dp[i][j] = dp[i-1][j-1] + 1。 - 如果不相等，那么LCS可能是
s1的前i-1个字符和s2的前j个字符的LCS，或者是s1的前i个字符和s2的前j-1个字符的LCS。因此，dp[i][j] = max(dp[i-1][j], dp[i][j-1])。
结合上述两点，状态转移方程可以表示为：
5. 初始化和边界情况
初始化对于动态规划问题至关重要，它可以确保状态转移正确进行。对于任何LCS问题：
- 当
i = 0或j = 0时，即考虑s1或s2的前0个字符，最长公共子序列长度自然为0。因此，dp[0][j] = 0和dp[i][0] = 0对所有的i和j。
6. 算法实现
以下是使用Python语言实现的LCS问题的动态规划算法：
def longest_common_subsequence(s1: str, s2: str) -> int:
"""
计算两个字符串之间的最长公共子序列的长度。
:param s1: 第一个字符串
:param s2: 第二个字符串
:return: 最长公共子序列的长度
"""
m, n = len(s1), len(s2)
# 创建一个二维数组来存储最长公共子序列的长度。
dp = [[0] * (n + 1) for _ in range(m + 1)]
# 自底向上地构建dp数组
for i in range(1, m + 1):
for j in range(1, n + 1):
if s1[i-1] == s2[j-1]:
dp[i][j] = dp[i-1][j-1] + 1 # 若当前字符相同，则将这一对字符加入到LCS中
else:
dp[i][j] = max(dp[i-1][j], dp[i][j-1]) # 否则，考虑不包括s1[i-1]或s2[j-1]的情况
# dp[m][n] 包含了s1[0..m-1]和s2[0..n-1]的最长公共子序列的长度
return dp[m][n]
# 示例使用
s1 = "abcde"
s2 = "ace"
print("最长公共子序列的长度:", longest_common_subsequence(s1, s2))
动态规划逻辑：
- 初始化一个
(m+1) x (n+1)的二维列表dp，其中dp[i][j]存储s1前i个字符和s2前j个字符的最长公共子序列的长度。 - 遍历字符串
s1和s2，通过比较字符确定是否将字符加入到子序列中，或者决定忽略哪个字符以保持子序列尽可能长。
复杂度分析
- 时间复杂度：O(mn) – 因为需要填充一个
m x n的矩阵。 - 空间复杂度：O(mn) – 用于存储每对索引的LCS长度。可以优化到 O(min(m, n)) 通过只保留当前和前一行的状态。
算法图解
图解示例
假设我们有两个字符串：
s1 = "abcde"s2 = "ace"
我们需要找到它们的最长公共子序列。
动态规划表初始化
创建一个表格，其中行表示字符串 s1，列表示字符串 s2。我们使用一个 (m+1) x (n+1) 的表格，m 和 n 分别是两个字符串的长度。
初始表格：
| - | a | c | e |
-----------------------
- | 0 | 0 | 0 | 0 |
a | 0 | | | |
b | 0 | | | |
c | 0 | | | |
d | 0 | | | |
e | 0 | | | |
填充表格
- 当我们比较两个字符且它们相同时，我们在左上角的值基础上加一（因为发现了一个新的公共元素）。
- 当字符不同时，我们取左边和上边值中的最大值。
1.a vs a:
dp[1][1]:s1的a与s2的a相同，所以dp[1][1] = dp[0][0] + 1 = 1.
| - | a | c | e |
-----------------------
- | 0 | 0 | 0 | 0 |
a | 0 | 1 | | |
b | 0 | | | |
c | 0 | | | |
d | 0 | | | |
e | 0 | | | |
2.a vs c, a vs e:
dp[1][2]: 取dp[1][1]和dp[0][2]的最大值，即dp[1][2] = max(1, 0) = 1.dp[1][3]: 取dp[1][2]和dp[0][3]的最大值，即dp[1][3] = max(1, 0) = 1.
3.b vs a, c, e:
- 使用与第一行相同的逻辑，
dp[2][1] = 1,dp[2][2] = 1,dp[2][3] = 1.
4.c vs a, c, e:
dp[3][1] = 1: 使用上一行的结果。dp[3][2] = 2:c与c匹配，dp[3][2] = dp[2][1] + 1 = 2.dp[3][3] = 2: 取dp[3][2]和dp[2][3]的最大值，即dp[3][3] = max(2, 1) = 2.
5.d vs a, c, e:
- 同上，结果与第三行相同。
6.e vs a, c, e:
dp[5][1] = 1,dp[5][2] = 2,dp[5][3] = 3:e与e匹配，dp[5][3] = dp[4][2] + 1 = 3.
| - | a | c | e |
-----------------------
- | 0 | 0 | 0 | 0 |
a | 0 | 1 | 1 | 1 |
b | 0 | 1 | 1 | 1 |
c | 0 | 1 | 2 | 2 |
d | 0 | 1 | 2 | 2 |
e | 0 | 1 | 2 | 3 |
8. 总结
最长公共子序列问题不仅是一个理论上的问题，而且在实际应用中非常重要，比如在生物信息学中比较DNA序列，在软件工程中比较文件版本等。通过动态规划，我们能够有效地解决这个问题，即使在面对大规模数据时也能保持良好的性能。
版权声明：本文为博主作者：数据分析螺丝钉原创文章，版权归属原作者，如果侵权，请联系我们删除！
