给两个整数数组 A
和 B
,返回两个数组中公共的、长度最长的子数组的长度。
示例:
输入: A: [1,2,3,2,1] B: [3,2,1,4,7] 输出:3 解释: 长度最长的公共子数组是 [3, 2, 1] 。
提示:
1 <= len(A), len(B) <= 1000
0 <= A[i], B[i] < 100
思路及算法
暴力解法的过程中,我们发现最坏情况下对于任意 i 与 j ,A[i] 与 B[j] 比较了 \min(i + 1, j + 1)min(i+1,j+1) 次。这也是导致了该暴力解法时间复杂度过高的根本原因。
不妨设 A 数组为 [1, 2, 3],B 两数组为为 [1, 2, 4] ,那么在暴力解法中 A[2] 与 B[2] 被比较了三次。这三次比较分别是我们计算 A[0:] 与 B[0:] 最长公共前缀、 A[1:] 与 B[1:] 最长公共前缀以及 A[2:] 与 B[2:] 最长公共前缀时产生的。
我们希望优化这一过程,使得任意一对 A[i] 和 B[j] 都只被比较一次。这样我们自然而然想到利用这一次的比较结果。如果 A[i] == B[j],那么我们知道 A[i:] 与 B[j:] 的最长公共前缀为 A[i + 1:] 与 B[j + 1:] 的最长公共前缀的长度加一,否则我们知道 A[i:] 与 B[j:] 的最长公共前缀为零。
这样我们就可以提出动态规划的解法:令 dp[i][j] 表示 A[i:] 和 B[j:] 的最长公共前缀,那么答案即为所有 dp[i][j] 中的最大值。如果 A[i] == B[j],那么 dp[i][j] = dp[i + 1][j + 1] + 1,否则 dp[i][j] = 0。
这里借用了 Python 表示数组的方法,A[i:] 表示数组 A 中索引 i 到数组末尾的范围对应的子数组。
考虑到这里 dp[i][j] 的值从 dp[i + 1][j + 1] 转移得到,所以我们需要倒过来,首先计算 dp[len(A) - 1][len(B) - 1],最后计算 dp[0][0]。
class Solution {
public int findLength(int[] A, int[] B) {
int n = A.length, m = B.length;
int[][] dp = new int[n + 1][m + 1];
int ans = 0;
for (int i = n - 1; i >= 0; i--) {
for (int j = m - 1; j >= 0; j--) {
dp[i][j] = A[i] == B[j] ? dp[i + 1][j + 1] + 1 : 0;
ans = Math.max(ans, dp[i][j]);
}
}
return ans;
}
}
画个图,印象更深
- 题目求:最长的 公共子数组 的长度。不同的公共子数组的末尾项是不一样的
- 我们考察不同的末尾项的公共子数组,找出最长的那个!
抽象为通式:
- dp[i][j] :长度为 i,末尾项为 A[i-1] 的子数组,长度为 j,末尾项为 B[j-1] 的子数组,二者的最大公共后缀子数组长度(规定:公共子数组以 A[i-1](B[j-1])为末尾项)
- 如果 A[i-1] != B[j-1] , dp[i][j] = 0
- 如果 A[i-1] == B[j-1] , dp[i][j] = dp[i-1][j-1] + 1
- base case:如果 i==0 || j==0 ,即其中一个长度为0,空子数组,没有公共长度,dp[i][j] = 0
- 有了状态转移方程,从 base case 出发,可递推出 二维数组 dp 每一项
- 最长公共子数组以哪一项为末尾项都有可能,即每个 dp[i][j] 都可能是最大值
性能分析:
- 时间复杂度 O(n^2),即 O(n * m)。 空间复杂度 O(n * m)
- 降维后空间复杂度 O(m),如果没有空间复杂度的要求,降不降都行