再谈最长公共子问题.docVIP

再谈最长公共子串问题 作者：寒雨疏桐 文章来源：网易 点击数：1049 更新时间：12/30/2003 ????最长公共子串（Longest?common?substring,?简称LCS）问题指的是求出给定的一组字符串的长度最大的共有的子字符串。 ????举例说明，以下三个字符串的LCS就是?cde： ????abcde? ????cdef? ????ccde ????? ????高效的查找LCS算法可以用于比较多篇文章的最长相同片段，以及生物学上的基因比较等实际应用。 ????前几天写了一个穷举法的简单实现，感觉在数据量稍大时效率极低，所以今天上网查了一些资料，找到了解决LCS问题的最佳算法并编程实现，程序效率得到了极大的提高。 ????采用的是广义后缀树（Generalized?Suffix?Tree，简称GST)算法，就是把给定的N个源字符串的所有的后缀建成一颗树，这个树有以下一些特点： ????1.树的每个节点是一个字符串，树根是空字符串“” ????2.任意一个后缀子串都可以由一条从根开始的路径表达 ?????（将这条路径上的节点字符串依次拼接起来就可以得到这个后缀） ????3.特别应注意任意一个子串都可以看作某一个后缀的前缀。既然每一个后缀 ??????都可以由一条从根开始的路径表达，那么我们可以从根节点开始一个字符 ??????一个字符的跟踪这条路径从而得到任意一个子串。 ????4.为了满足查找公共子串的需求，每个节点还应该有从属于哪个源字符串的 ??????信息 ????由以上的定义我们不难看出，在这棵GST树上，如果找到深度最大并且从属于所有源字串的节点，那么，把从根到这个节点的路径上的所有节点字符串拼接起来就是LCS。???? ????还是举例说明，上面提到的三个字符串【abcde?cdef?ccde】的所有后缀子串列表如下： (注：.1表示是从第一个串abcde来的，同理.2,.3分别表示从cdef，ccde来的)???? ????abcde.1 ????bcde.1 ????cde.1 ????de.1 ????e.1 ????cdef.2 ????def.2 ????ef.2 ????f.2 ????ccde.3 ????cde.3 ????de.3 ????e.3 ???? ????建成的GST如下图所示 (注:.1表示从属于第一个串，.123表示既从属于第一又从属于第二，第三个源串）?? ?????--\_______【abcde.1】????????? ?????????|????????????????????????? ?????????|_____【bcde.1】?????????.....最深的并且带.123的节点 ?????????|????????????????????????: ?????????|_____【c.123】____【de.123】_______【f.2】 ?????????|???????????????| ?????????|???????????????|__【cde.3】 ?????????| ?????????|_____【de.123】___【f.2】 ?????????| ?????????|_____【e.123】____【f.2】 ?????????| ?????????|_____【f.2】 ????????? ????上图中虚线所指的【de.123】节点所表示的子串cde正是LCS ???? ????以上是一些基本概念，但是实际应用时还要涉及到构建GST树以及查找LCS的具体算法，参考了网上的一些资料，我用java语言实现了这些算法，基本上可以以O(n)的时间复杂度进行建树及查找处理。 ????如果对构建SuffixTree算法等细节感兴趣，可以到google上查阅相关资料。 ???? ????我的Java源程序如下： *******************主程序LongestCommonSubstring.java*********** import?java.io.*; import?java.util.*; class?LongestCommonSubstring?{ ????//============================================ ????//Creight?Suffix?Tree?构建算法 ????//要求字符串结尾是一个在字符串中没有出现过的 ????//一个字符，所以选择了\000到\003等几个字符， ????//如果源字串中出现了这几个特殊 ???