最长公共子序列——字节跳动

题目1：对于两个子序列 S1 和 S2，找出它们最长的公共子序列。

思路1：以下内容来自大神CYC2008

这是一个动态规划的问题

定义一个二维数组 dp 用来存储最长公共子序列的长度，其中 dp[i][j] 表示 S1 的前 i 个字符与 S2 的前 j 个字符最长公
共子序列的长度。考虑 S1i 与 S2j 值是否相等，分为两种情况：
当 S1i==S2j 时，那么就能在 S1 的前 i-1 个字符与 S2 的前 j-1 个字符最长公共子序列的基础上再加上 S1i 这个
值，最长公共子序列长度加 1，即 dp[i][j] = dp[i-1][j-1] + 1。
当 S1i != S2j 时，此时最长公共子序列为 S1 的前 i-1 个字符和 S2 的前 j 个字符最长公共子序列，或者 S1 的前 i
个字符和 S2 的前 j-1 个字符最长公共子序列，取它们的最大者，即 dp[i][j] = max{ dp[i-1][j], dp[i][j-1] }。
综上，最长公共子序列的状态转移方程为：

对于长度为 N 的序列 S1 和长度为 M 的序列 S2，dp[N][M] 就是序列 S1 和序列 S2 的最长公共子序列长度。
与最长递增子序列相比，最长公共子序列有以下不同点：
针对的是两个序列，求它们的最长公共子序列。
在最长递增子序列中，dp[i] 表示以 Si 为结尾的最长递增子序列长度，子序列必须包含 Si ；在最长公共子序列
中，dp[i][j] 表示 S1 中前 i 个字符与 S2 中前 j 个字符的最长公共子序列长度，不一定包含 S1i 和 S2j。
在求最终解时，最长公共子序列中 dp[N][M] 就是最终解，而最长递增子序列中 dp[N] 不是最终解，因为以 SN
为结尾的最长递增子序列不一定是整个序列最长递增子序列，需要遍历一遍 dp 数组找到最大者。

代码1：

public int lengthOfLCS(int[] nums1, int[] nums2) {
int n1 = nums1.length, n2 = nums2.length;
int[][] dp = new int[n1 + 1][n2 + 1];
for (int i = 1; i <= n1; i++) {
for (int j = 1; j <= n2; j++) {
if (nums1[i - 1] == nums2[j - 1]) {
dp[i][j] = dp[i - 1][j - 1] + 1;
} else {
dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);
}
}
}
return dp[n1][n2];
}

题目2：求出两个字符串的最长公共子序列

思路2：

以下来自左神的程序员代码：

这个也是动态规划的思想，只不过和之前写过的形式不太一样。把求最长子序列的长度和具体序列的代码写在这里。

在求解具体最长序列的时候，从dp数组的右下角开始，有三种方式移动方式：向上，向左和向左上。假设移动过程中，i表示此事的行数，j表示此时的列数，同时用一个变量res来表示最长公共子序列。

1.如果dp[i][j]大于dp[i-1][j]和dp[i][j-1],说明之前计算dp[i][j]的时候选择了策略dp[i-1][j-1]+1，并且确定str1[i]=str2[j],并且这个字符一定属于最长公共子序列，把这个字符放进res,然后向左上方移动。

2.如果dp[i][j]等于dp[i-1][j],或者等于dp[i][j-1]，说明没有选择dp[i-1][j-1]+1，继向上或者想左移动就可以。

代码2：