代码随想录笔记_动态规划_1143最长公共子序列

代码随想录二刷笔记记录

LC1143.最长公共子序列

---

题目

子序列问题

给定两个字符串 text1 和 text2，返回这两个字符串的最长公共子序列的长度。 如果不存在 公共子序列 ，返回 0 。

一个字符串的 子序列 是指这样一个新的字符串：它是由原字符串在不改变字符的相对顺序的情况下删除某些字符（也可以不删除任何字符）后组成的新字符串。

例如，“ace” 是 “abcde” 的子序列，但 “aec” 不是 “abcde” 的子序列。两个字符串的「公共子序列」是这两个字符串所共同拥有的子序列。

若这两个字符串没有公共子序列，则返回 0。

示例 1:

输入：text1 = “abcde”, text2 = “ace”
输出：3
解释：最长公共子序列是 “ace”，它的长度为 3。

示例 2:
输入：text1 = “abc”, text2 = “abc”
输出：3
解释：最长公共子序列是 “abc”，它的长度为 3。

示例 3:
输入：text1 = “abc”, text2 = “def”
输出：0
解释：两个字符串没有公共子序列，返回 0。

提示:

• 1 <= text1.length <= 1000
• 1 <= text2.length <= 1000 输入的字符串只含有小写英文字符。

---

思路分析

思路：

思路：子序列问题 -> 动态规划

将 text1 中的每个字符，与 text2 相比较，并动态更新 dp数组，只要 text1[i-1] == text2[j-1] ，则 dp 的长度+1，否则，保持不变即可。

动态规划五部曲

1.确定dp数组及其下标的含义

dp[i][j]:表示长度为 [0,i-1] 的 text1 和长度为 [0,j-1] 的 text2 的最长公共子序列 dp[i][j].
没有定义为 i 和 j ，是为了利用增维，使得计算方便。

2.确定递推公式

text1的第 i-1 个字符和 text2 的第 j-1 个字符相等时:

dp[i][j] = dp[i-1][j-1] + 1

text1的第 i-1 个字符和 text2 的第 j-1 个字符不相等时，从text1[i-1,j-2],text2[i-2,j-1]中取目前最长子序列的长度

dp[i][j] = Max(dp[i-1][j],dp[i][j-1]);

3.初始化

因为 dp[i][0] 和 dp[0][j] 都是没有意义的，赋值为 0 即可
因为长度取为 [0,i-1] , [0,j-1],因此初始化为 dp[i+1][j+1] 即可。

4.遍历顺序

根据递推公式可知，从前往后遍历

for(int i = 1;i <= text1.length;i++){
	for(int j = 1;j <= text2.length;j++){
		if(text1.charAt(i-1) == text2.charAt(j-1)){
			dp[i][j] = dp[i-1][j-1] + 1;
		}else{
			dp[i][j] = Max(dp[i-1][j],dp[i][j-1]);
		}
	}
}

5.推演分析

以 A = “abcde”, B = “ace” 为例

	text1	a	b	c	d	e
text2	0	0	0	0	0	0
a	0	1	1	1	1	1
c	0	1	1	2	2	2
e	0	1	1	2	2	3

---

代码实现

完整代码实现

public int longestCommonSubsequence(String text1, String text2) {
        int len1 = text1.length();
        int len2 = text2.length();
        //初始化
        int[][] dp = new int[len1 + 1][len2 + 1];
        for (int i = 1; i <= len1; i++) {
            for (int j = 1; j <= len2; j++) {
                if (text1.charAt(i-1) == text2.charAt(j-1)) {
                    dp[i][j] = dp[i-1][j-1] + 1;
                }else {
                    dp[i][j] = Math.max(dp[i][j-1],dp[i-1][j]);
                }
            }
        }
        return dp[len1][len2];
    }

---