最长公共子序列(Longest Common Subsequence,LCS)问题是指,在两个序列中找到一个最长的子序列,这个子序列在两个原序列中都出现过。这里的“子序列”指的是可以不连续但顺序相同的序列。
LCS问题可以使用动态规划算法来解决。下面是一个Java实现的示例:
public class LCS {
// LCS 动态规划实现
public static int longestCommonSubsequence(String text1, String text2) {
int m = text1.length();
int n = text2.length();
int[][] dp = new int[m + 1][n + 1];
// 构建 dp 数组
for (int i = 1; i <= m; i++) {
for (int j = 1; j <= n; j++) {
if (text1.charAt(i - 1) == text2.charAt(j - 1)) {
// 当前字符匹配,子序列长度加1
dp[i][j] = dp[i - 1][j - 1] + 1;
} else {
// 当前字符不匹配,取左边或上边的最大值
dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);
}
}
}
// dp[m][n] 包含了 text1[0..m-1] 和 text2[0..n-1] 的最长公共子序列的长度
return dp[m][n];
}
public static void main(String[] args) {
String text1 = "AGGTAB";
String text2 = "GXTXAYB";
System.out.println("LCS length: " + longestCommonSubsequence(text1, text2));
}
}
在上述代码中:
longestCommonSubsequence
方法接受两个字符串text1
和text2
作为输入,并返回它们的最长公共子序列的长度。- 我们使用一个二维数组
dp
进行动态规划,其中dp[i][j]
表示text1
的前i
个字符和text2
的前j
个字符的最长公共子序列的长度。 - 动态规划的过程中,我们通过比较两个字符串的字符来决定是增加子序列的长度还是保持不变。
- 对于每个字符对
(i, j)
,如果text1[i] == text2[j]
,则表示我们找到了一个公共字符,dp[i][j]
的值为左上角dp[i-1][j-1]
的值加1。如果字符不同,则dp[i][j]
的值为dp[i-1][j]
和dp[i][j-1]
中的较大值。
最后,dp[m][n]
就是最长公共子序列的长度,其中 m
和 n
分别是两个字符串的长度。
该算法的时间和空间复杂度均为 O(m * n),其中 m
是 text1
的长度,n
是 text2
的长度。在实际应用中,如果需要节省空间,可以使用滚动数组的技术将空间复杂度降低到 O(min(m, n))。