动态规划—最长公共子序列（leetcode 1143）

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。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。

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, text2.length <= 1000
text1 和 text2 仅由小写英文字符组成。

问题分析

最长公共子序列问题是典型的二维动态规划问题。

假设字符串 text1 和 tex2 的长度分别为 m 和 n，创建 m+1 行 n+1 列的二维数组 dp，其中dp[i][j] 表示 text1[0:i] 和text2[0:j] 的最长公共子序列的长度。上述表示中text1[0:i] 表示text1的长度为 i 的前缀，text2[0:j] 表示 text2 的长度为 j 的前缀。考虑动态规划的边界情况：

当 i=0 时，text1[0:i] 为空，空字符串和任何字符串的最长公共子序列的长度都是 0，因此对任意 0≤j≤n，有 dp[0][j]=0；当 j=0 时，text2[0:j] 为空，同理可得，对任意 0≤i≤m，

有dp[i][0]=0。因此动态规划的边界情况是：当 i=0 或 j=0 时，dp[i][j]=0。

当 i>0 且 j>0 时，考虑 dp[i][j] 的计算：

当 text[i-1]=texti[j-1] 时，将这两个相同的字符称为公共字符，考虑 text1[0:i-1] 和 text 
2[0:j−1] 的最长公共子序列，再增加一个字符（即公共字符）即可得到 text1[0:i] 和 text 
2[0:j] 的最长公共子序列，因此dp[i][j]= dp[i-1][j-1]+1。当text[i-1] !=text2[j-1] 时，考虑以下两项：
 text1[0:i−1] 和text2[0:j]的最长公共子序列；text1[0:i] 和 text2[0:j-1]的最长公共子序列。要得到text1[0:i]和text2[0:j] 的最长公共子序列，应取两项中的长度较大的一项，因此

dp[i][j] = max(dp[i-1][j], dp[i][j-1])。

由此可以得到如下状态转移方程：

最终计算得到  即为  和  的最长公共子序列的长度。

代码

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

        vector<vector<int>> dp(n+1, vector<int>(m+1));

        for(int i = 1; i <= n; ++i) {
            for(int j = 1; j <= m; ++j) {
                // text1, text2的下标是从0开始的，text1[i-1] text2[j-1]即推导中的 text1[i] text2[j]
                if(text1[i-1] == text2[j-1]) {
                    dp[i][j] = dp[i-1][j-1]+1;
                } else {
                    dp[i][j] = max(dp[i-1][j], dp[i][j-1]);
                }
            }
        }
        return dp[n][m];
    }
};

复杂度分析

时间复杂度：O(mn)，其中 m 和 n 分别是字符串和的长度。二维数组 有 m+1 行和 n+1 列，需要对 中的每个元素进行计算。

空间复杂度：O(mn)，其中 m 和 n 分别是字符串  和 的长度。创建了m+1 行 n+1 列的二维数组 。