代码随想录笔记_动态规划
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];
}