MLCS问题（Multiple Longest Common Subsequences for Multiple Sequences）即为求多个字符序列中的某个或者所有的最长公共子序列问题，它在基因检测、序列相似性比对、模式识别、数据挖掘、代码克隆检测、文献查重、网页聚类等领域都有着重要而普遍的应用。

目前求解MLCS问题通常采用上世纪70年代提出的基于动态规划的MLCS算法，或者上世纪80年代产生的基于支配点的MLCS算法。而随着大数据时代的到来，各种应用领域中的字符序列的长度与规模正呈指数爆炸式增长，已有的MLCS算法已不能满足大规模或较长字符序列的比对需求。

“一般而言，任何信息都可抽象为在一个有限字符集下的字符串，”李雁妮介绍说，“例如，一个基因的DNA就是在字符集{A,C,G,T}下的一个字符序列，当比对字符序列的规模足够大或者长度足够长的时候，如果不能在理论和算法上实现突破，那么无论在高性能计算机上，还是在大数据平台上，求解比对字符序列的MLCS都无法在多项式时间内计算出结果。”

被誉为“生命科学的登月计划”的人类基因组计划已经开展了几十年，而基于“生物基因序列比对”及“基因剪刀”等技术的肿瘤研究问题，受制于数据处理仍进展缓慢:据粗略测算，最长的基因序列长度已接近10的19次方，即便在高性能计算机上，使用目前最好的MLCS算法，也只能对字符集为4、序列个数为5、序列长度为300的基因字符序列进行比对。

大数据分析算法和大数据平台的关系，就好比汽车和高速公路的关系，如果汽车本身存在缺陷或者性能低劣，则高速公路对于这辆车而言就没有充分发挥它本身应有的“高速”作用。“我们要做的，就是要创新提出一种更优的MLCS算法，不仅使其在时间和空间性能上实现突破，而且可以最终实现在一般机器上，对任意规模和任意长度的大字符序列以线性时间进行比对。”李雁妮说。