Algorithm 跨N个字符串查找公共子字符串的算法

我熟悉两个字符串的LCS算法。寻找在2..N字符串中查找公共子字符串的建议。每对中可能有多个公共子字符串。在字符串的子集中可以有不同的公共子字符串

字符串：

（ABCDEFGHIJKL）（DEF）（ABCDEF）（BIJKL）（FGH）

常用字符串：

1/2 (DEF)
1/3 (ABCDEF)
1/4 (IJKL)
1/5 (FGH)
2/3 (DEF)

1/3 (ABCDEF)

1/2/3 (DEF)

最长公共字符串：

1/2 (DEF)
1/3 (ABCDEF)
1/4 (IJKL)
1/5 (FGH)
2/3 (DEF)

1/3 (ABCDEF)

1/2/3 (DEF)

最常见的字符串：

1/2 (DEF)
1/3 (ABCDEF)
1/4 (IJKL)
1/5 (FGH)
2/3 (DEF)

1/3 (ABCDEF)

1/2/3 (DEF)

---

在DNA序列分析中，这种事情一直在进行。你可以找到各种各样的算法。列出了一个合理的集合

---

还有一种蛮力方法，可以为每个子字符串创建表（如果您只对短字符串感兴趣的话）：在每个级别上形成一个N元树（N=26表示字母，256表示ASCII），并在每个节点上存储计数的直方图。如果你删掉很少使用的节点（以保持内存需求合理），你最终会得到一个算法，该算法在N*M^2*log（M）的时间内找到长度为M的所有子序列，输入长度为N。如果你将其拆分为K个单独的字符串，你可以构建树结构并读取答案在一次遍历树的过程中。

后缀树就是答案，除非您有非常大的字符串，而这些字符串会导致内存问题。对于一个好的实现，字符串中每个字符的内存使用量预计为10~30字节。还有一些开源实现，它们使您的工作更容易

---

还有其他更简洁的算法，但它们更难实现（寻找“压缩后缀树”）。

这是一个ACM竞赛问题，需要具有特定性能的算法吗？子字符串“F”不是最常见的，因为它出现在四个字符串中吗？告诉我们为什么需要它是一个好主意，所以我们可以理解哪里可以妥协，哪里不可以。罗曼-我不是学生，这不是比赛：-）。该应用程序用于在PDF内容流中查找公共元素。interjay-我忽略了单个字符的子字符串，我几乎可以这么说，这一直在计算生物学中使用。然而，“子串/子序列”的定义通常是模棱两可的（对于非算法学家来说并非故意如此），我认为在这种情况下，他的问题要求它们是连续的。