Leetcode 1143. 最长公共子序列（中等） 动态规划

题目描述：

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。

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：

    这里是动态规划的思路：
    第一步：先确定dp 数组的含义：
     dp[i][j] 表示：string1的前i个字符 和 string2的前j个字符，他们的最长公共子序列为 dp[i][j]；
    第二步：定义 初始状态，base case
     dp[0][...] 和 dp[...][0] 都初始化为0，因为只要有一个字符串是空串，则他们的最长公共子序列为0；
    第三步：写出状态转移方程
     这里我们需要想到的关键是：如果在最长公共子序列中的字符，那么它一定同时存在于string1和string2中。
     假设我们用两个指针变量从两个字符串的最后向前移动，

     若string1[i] == string2[j]，则这个字符一定在最长公共子序列中，此时dp[i][j] = 1 + dp[i-1][j-1]；
     若string1[i] != string2[j]，则这两个字符至少有一个不在最长公共子序列中，此时 dp[i][j] = max(dp[i-1][j],dp[i][j-1])。
    最后返回dp[m][n]就是最长子序列的长度。
    需要注意的是，string 的起始下标是0，所以，string1[i-1] == string2[j-1] 才对应于dp[i][j]。

#define max_size  1024

class Solution {
public:
    int longestCommonSubsequence(string text1, string text2) {
        int m = text1.size();
        int n = text2.size();

        int dp[max_size][max_size] = {0};
        for(int i=1; i<=m; ++i)
        {
            for(int j=1; j<=n; ++j)
            {
                if(text1[i-1] == text2[j-1])
                    dp[i][j] = 1 + dp[i-1][j-1];
                else
                    dp[i][j] = max(dp[i-1][j],dp[i][j-1]);
            }
        }
        return dp[m][n];

    }
};

//进一步 优化空间复杂度，不用二维数组存储中间的状态了

#define max_size  1024

class Solution {
public:
    int longestCommonSubsequence(string text1, string text2) {
        int m = text1.size();
        int n = text2.size();

        int dp[max_size]= {0};
        int last;
        int tmp = 0;
        for(int i=1; i<=m; ++i)
        {
            last = 0;
            for(int j=1; j<=n; ++j)
            {
                tmp = dp[j];
                if(text1[i-1] == text2[j-1])
                    dp[j] = 1 + last;
                else
                    dp[j] = max(dp[j-1],tmp);
                last = tmp;
            }
        }
        return dp[n];

    }
};