编程之美 2013 全国挑战赛 初赛第一场 题目二 相似字符串
题目二 相似字符串
时间限制: 4000ms 内存限制: 256MB
描述
对于两个长度相等的字符串，我们定义其距离为对应位置不同的字符数量，同时我们认为距离越近的字符串越相似。例如，“0123”和“0000”的距离为 3，“0123”和“0213”的距离则为 2，所以与“0000”相比，“0213”和“0123”最相似。
现在给定两个字符串 S1 和 S2，其中 S2 的长度不大于 S1。请在 S1 中寻找一个与 S2 长度相同的子串，使得距离最小。
输入
输入包括多组数据。第一行是整数 T，表示有多少组测试数据。每组测试数据恰好占两行，第一行为字符串 S1，第二行为 S2。所有字符串都只包括“0”到“9”的字符。
输出
对于每组测试数据，单独输出一行“Case #c: d”。其中，c 表示测试数据的编号（从 1 开始），d 表示找到的子串的最小距离。
数据范围
1 ≤ T ≤ 100
小数据：字符串长度不超过 1000
大数据：字符串长度不超过 50000
样例输入
3
0123456789
321
010203040506070809
404
20121221
211
样例输出
Case #1: 2
Case #2: 1
Case #3: 1
解题思路
这道题其实不复杂，结果我很蛋疼的用了一个字符串近似匹配的 DP 算法，结果果然悲剧了……在这里就只好读读大神们的代码，看看有什么给力的解法。
首先设两个字符串分别为 s1 和 s2，它们的长度为 m 和 n，其中 m ≥n。
最简单的方法是直接暴力字符串匹配，就是尝试将每个 s1i…i+n 和 s20…n 进行匹配（排名第二的 Tripod2K 就是这么过的），不过需要注意如果距离已经大于当前的最小距离了，就不必继续匹配下去了，否则是会悲剧的。核心算法为：
1 int min = n; // 初始最小距离为 n 2 for(int i = 0; i <= m-n; i++) { 3 int dis= 0; 4 // 尝试匹配 s1[i...i+n] 和 s2 5 for(int j = 0; j < n; j++) { 6 if(s1[i + j] != s2[j]) dis++; 7 if(dis >= min) { 8 // 这里 dis 已经超过 min 了，再继续匹配下去也没有什么用 9 break; 10 } 11 } 12 if(dis < min) min = dis; 13 if(min == 0) { 14 // min 到达了 0，已经不可能更小了，也不必再匹配下去了 15 break; 16 } 17 }
完整的代码为：（链接在这里）
View Code1 //source here 2 import java.util.Scanner; 3 4 public class Main { 5 public static void main(String args[]){ 6 Scanner in = new Scanner(System.in); 7 int t = in.nextInt(); 8 byte[] s1 = new byte[60000]; 9 byte[] s2 = new byte[60000]; 10 for(int i = 1; i <= t; i++){ 11 s1 = in.next().getBytes(); 12 s2 = in.next().getBytes(); 13 int d = distance(s1, s2); 14 System.out.println("Case #" + i + ": " + d); 15 } 16 } 17 18 private static int distance(byte[] s1, final byte[] s2){ 19 int l1 = s1.length; 20 int l2 = s2.length; 21 int result = l2; 22 for(int i = 0; i <= l1 - l2; ++i){ 23 int tmp= 0; 24 for(int j = 0; j < l2; ++j){ 25 if(s1[i + j] != s2[j]) tmp++; 26 if(tmp >= result) break; 27 } 28 if(tmp < result) result = tmp; 29 if(tmp == 0) break; 30 } 31 return result; 32 } 33 }
还有排名第四的 chaozicen 的算法，则比较巧妙。现在假设 s1="010203040506070809"，s2="404"，首先对 s1 进行预处理，标记出每个字符出现的索引，得到下面的表格：
| 字符 | 出现的索引 |
| '0' | 0,2,4,6,8,10,12,14,16 |
| '1' | 1 |
| '2' | 3 |
| '3' | 5 |
| '4' | 7 |
| '5' | 9 |
| '6' | 11 |
| '7' | 13 |
| '8' | 15 |
| '9' | 17 |
然后在读取 s2 的每个字符时，根据表格在一个长为 n 的 int 数组 ans 上进行标记 s2[0] 出现的位置。例如现在 s2[0] = '4'，表格中字符 '4' 对应的索引只有 7，那么令 ans[7-0]++；然后读取 s2[1]='0'，表格中字符 '0' 对应的索引有 0,2,4,6,8,10,12,14 和 16，那么就令 ans[0-1]、ans[2-1]、ans[4-1]、ans[6-1]、ans[8-1]、ans[10-1]、ans[12-1]、ans[14-1] 和 ans[16-1] 均加一；最后读取 s2[2] = '4'，令 ans[7-2]++。最后得到的 ans 数组如下所示：
ans = {0, 1, 0, 1, 0, 2, 0, 2, 0, 1, 0, 1, 0 ,1, 0, 1};
那么这个 ans 表示什么呢？ans[i] 表示 s1i…i+n 与 s20…n 中完全相同的字符的个数，最后只要统计 ans 中最大的那个，就表示距离最小。
下面是 chaozicen 的源代码，链接在这里：
View Code1 //source here 2 #include<iostream> 3 #include<string> 4 using namespace std; 5 int num[10][60000],ans[60000]; 6 int main() 7 { 8 int T,n,i,k,j,s,l1,l2,anss,t; 9 string s1,s2; 10 cin>>T; 11 t=1; 12 while (T>=t) 13 { 14 ++t; 15 cin>>s1;cin>>s2; 16 l1=s1.length(); l2=s2.length(); 17 for (i=0;i<10;++i) num[i][0]=0; 18 for (i=0;i<l1;++i) 19 { 20 k=s1[i]-'0'; 21 ++num[k][0]; 22 num[k][num[k][0]]=i; 23 ans[i]=0; 24 } 25 for (i=0;i<l2;++i) 26 { 27 k=s2[i]-'0'; 28 for (j=1;j<=num[k][0];++j) 29 { 30 if (num[k][j]-i>=0) 31 ans[num[k][j]-i]++; 32 } 33 } 34 anss=0; 35 for (i=0;i<l1-l2+1;++i) 36 if (ans[i]>anss) anss=ans[i]; 37 anss=l2-anss; 38 cout<<"Case #"<<t-1<<": "<<anss<<endl; 39 } 40 return 0; 41 }
题目三是一个好复杂的搜索，我根本没仔细看，题目一我也没搞明白怎么个是最优策略。
作者：CYJB
出处：http://www.cnblogs.com/cyjb/
GitHub：https://github.com/CYJB/
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。