字符串比较问题.pptVIP

字符串比较问题 问题描述 设A和B是长度相同的2个字符串。A和B的距离定义为相应位置字符距离之和。2个非空格字符的距离是它们的ASCII码之差的绝对值。空格与空格的距离为0；空格与其它字符的距离为一定值k。 字符串A的扩展是在A中插入若干空格字符所产生的字符串。在字符串A和B的所有长度相同的扩展中，有一对距离最小的扩展，该距离称为字符串A和B的扩展距离。 对于给定的字符串A和B，试设计一个算法，计算其扩展距离。 题例 给定字符串 A=“cmc”，B=“snmn”，若空格与其它字符的距离k=2，求A与B的扩展距离 得到的A与B的扩展距离为10，对应的A与B的一对扩展(不妨称为最小扩展)A′与B′如下表： A′ c ＿ ＿ m ＿ c B′ ＿ s n m n ＿ 字符距离 2 2 2 0 2 2 题例 实际上，对于给定的两个字符串A与B ，其最小扩展并不唯一（对应于同一扩展距离） 如上例，对应的A与B的最小扩展A′与B′还可以是 A′ ＿ c ＿ m ＿ c B′ s ＿ n m n ＿ 字符距离 2 2 2 0 2 2 题例 由于定义了空格与空格的距离为0，且字符串的扩展可以在字符串中任意位置插入任意数量的空格，在上述已求得的一对最小扩展的基础上，还可以分别在相同位置插入相同数量、一一对应的空格字符来构成新的扩展。得到的这对新的扩展同样是原字符串对的最小扩展。 本题采用的算法在求扩展距离（最优值）的同时，可求出长度最短的最小扩展之一。 问题分析—最优子结构 设字符串A={a1,a2,…am}, B={b1,b2,…bn}。对应扩展距离的一对最小扩展为： X={x1,x2,…xk}与Y={y1,y2,…,yk} (其中k≥max(m,n))，则： 若xk＝am,yk＝bn，则Xk-1与Yk-1是Am-1与Bn-1的最小扩展 若xk＝am,yk≠bn，则yk=‘＿’， Xk-1与Yk-1是Am-1与Bn的最小扩展 若xk≠am,yk＝bn，则yk=‘＿’， Xk-1与Yk-1是Am与Bn-1的最小扩展 问题分析—子问题的递归结构 用d[i][j]记录字符串Ai和Bj的扩展距离。其中Ai={a1,a2…ai}；Bj={b1,b2…bj} 当i＝0且j＝0时，显然两个空串的扩展距离为0 当i＝0且j ≠0时，求两个字符串的扩展距离等价于求字符串Bj与长度为j的仅由空格构成的字符串(空串的长度为j的扩展）的距离，其距离为j′×k(j′为字符串Bj中非空格字符的数量) 当i≠0且j＝0时,同理可得其扩展距离为i′×k(i′为字符串Ai中非空格字符的数量) 问题分析—子问题的递归结构 其它情况下，由最优子结构性质可建立递归关系如下： d[i][j]=min{ d[i-1][j-1]+|ai,bj|， d[i-1][j]+|ai,’＿’|, d[i][j-1]+|’＿’,bj| } i,j≥1;|x,y|表示求字符x与y的距离 由此递归结构容易看到原问题具有子问题重叠性质 求解过程 d[0][0] d[0][1] d[0][2] d[0][3] d[0][4] d[0][5] d[1][0] d[1][1] d[1][2] d[1][3] d[1][4] d[1][5] d[2][0] d[2][1] d[2][2] d[2][3] d[2][4] d[2][5] d[3][0] d[3][1] d[3][2] d[3][3] d[3][4] d[3][5] d[4][0] d[4][1] d[4][2] d[4][3] d[4][4] d[4][5] d[5][0] d[5][1] d[5][2] d[5][3] d[5][4] d[5][5] 计算最优值 直接利用上述递归式很容易写出一个计算d[i][j]的递归算法 考虑到子问题的重叠性质，使用动态规划算法自底向上计算最优值能提高算法效率 算法的初步实现：直接使用二维数组来保存d[i][j]，通过一个二重循环来计算d[m][n] 算法的初步实现 求一对字符的字符距离的函数CharDistance unsigned long CharDistance(const char x,const char y) { int tag=0; if (x== ) tag+=1; if (y== ) tag+=1; switch tag{ case 0:return(abs(x-y)); case 1:return k;