CodeTop052 最长公共子序列

最长公共子序列

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

碰到的第一反应就是动态规划,之前说了大部分的字符串的题都可以使用动态规划完成,然后大部分都是二维的动态规划
这里的话,dp[i][j]表示字符串1长度为i,字符串2长度为j时的最长子串的长度,其实我下面的代码有一点可以改一改,就是将

if (text1.charAt(i-1)==text2.charAt(j-1)){
    dp[i][j] = dp[i-1][j-1]+1;
}

dp[i][j] = Math.max(dp[i][j],Math.max(dp[i][j-1],dp[i-1][j]));

直接修改成

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]);
}

这里的原因是:你想象一下,dp[i-1][j-1]+1一定是大于等于dp[i][j-1]和dp[i-1][j]的.想想这里dp[i][j]所代表的含义就不难理解,所以最终的代码为:

//经典动态规划 dp[i][j]表示长度为i和长度为j时的最长子串的长度
    public static int longestCommonSubsequence(String text1, String text2) {
        if (text1.length()==0||text2.length()==0) return 0;
        int m = text1.length(),n = text2.length();

        int[][] dp = new int[m+1][n+1];

        for (int i=1;i<=m;i++){
            for (int j=1;j<=n;j++){
                if (text1.charAt(i-1)==text2.charAt(j-1)){
                    dp[i][j] = dp[i-1][j-1]+1;
                }

                dp[i][j] = Math.max(dp[i][j],Math.max(dp[i][j-1],dp[i-1][j]));
            }
        }

        return dp[m][n];
    }

然后问题进阶一下:让你不止要求出最长公共子序列的长度,还要求你打印出来这个序列,其实也很简单,只需要在text1.charAt(i-1)==text2.charAt(j-1)相等的时候添加字符即可

//要求打印出最长公共子序列 只需要在相等时添加即可
    public static int longestCommonSubsequence2(String text1, String text2) {
        StringBuilder sb = new StringBuilder();
        if (text1.length()==0||text2.length()==0) return 0;
        int m = text1.length(),n = text2.length();

        int[][] dp = new int[m+1][n+1];
        for (int i=1;i<=m;i++){
            for (int j=1;j<=n;j++){
                if (text1.charAt(i-1)==text2.charAt(j-1)){
                    dp[i][j] = dp[i-1][j-1]+1;
                }

                if (dp[i][j]>Math.max(dp[i][j-1],dp[i-1][j])){
                    sb.append(text1.charAt(i-1));
                }else{
                    dp[i][j] = Math.max(dp[i][j-1],dp[i-1][j]);
                }

            }
        }

        System.out.println(sb.toString());
        return dp[m][n];
    }