【leetcode】1143. 最长公共子序列（动态规划）

最新推荐文章于 2022-05-31 21:45:22 发布

bugMaker_Anna

最新推荐文章于 2022-05-31 21:45:22 发布

阅读量207

点赞数

分类专栏： leetcode 文章标签：动态规划

本文链接：https://blog.csdn.net/annazzz/article/details/109052429

版权

本文通过动态规划解决LeetCode上的1143题，探讨如何找到两个字符串的最长公共子序列及其长度。文章详细介绍了基础的二维数组DP方法以及优化后的使用一维数组的解决方案。

摘要由CSDN通过智能技术生成

【leetcode】1143. 最长公共子序列

题目描述
解题思路

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的长度。

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。

解题思路

1. DP基础方法

动态规划题目，维护二维数组dp[text1.length][text2.length]，第一维表示字符串text1，第二维表示字符串text2。dp[i][j]表示text1中下标0…i的子串与text2中下标0…j的子串的最长公共子序列。

对于dp[i][j]，首先分别初始化第0行和第0列。dp[i][0]表示text1中下标0…i的子串与text2中下标为0的元素的最长公共子序列，由于text2[0]只有一个字符，因此dp[i][0]最大为1。而如果dp[i][0]=1，则text1在下标i之后的元素也应为1，即dp[i+1][0]=…=dp[text1.length-1][0]=1，因为之后的子串都包括下标i的元素。
第0行同理。

对于非0行0列的dp[i][j]，有2种情况：
（1）当text[1]!=text2[j]时，只考虑两种子问题：dp[i-1][j]和dp[i][j-1]，取最大值
(2) 当text1[I]==text2[j]时，等于dp[i-1][j-1]+1
取这三值中的最大值。

代码

class Solution {
   
    public int longestCommonSubsequence(String text1, String text2) {
   
        if(text1==null || text2==null || text1.length()<=0 || text2.length()<=0)
            return 0;

        int len1 = text1.length();
        int len2 = text2.length();
        char[] t1 = text1.toCharArray();
        char