解题思路:dp动态规划
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 。
什么是动态规划?
动态规划的本质就是将 要解决的问题 拆分成 子问题的子问题的…子问题 ,然后从最小的 子问题 开始,一步一步解决,最终达到解决这个问题的效果。这样说听起来与递归有些类似,但是,与递归不一样的是,动态规划是先将解决了的 子问题 的结果后再去解决它的 父问题 。
而递归是从父问题开始先向下拆分,当到达底层问题后再向上返回,这种方式就导致了很多重复的无效计算。
解决动态规划问题最重要的 就是找到转移方程,对于这道题,我们将这两个字符串转换为数组,str1[N] 和 str2[M]
当 str1[i] = str2[j] 的时候 ,dp[i][j] = dp[i-1][j-1]+1;
当 str1[i] != str2[j] 的时候,dp[i][j] = max(dp[i-1][j] , dp[i][j-1]);
例如对于 abdc 和 cbd 而言,他们的最长公共子序列的长度等于 ① abd 和 cbd 的最长公共子序列长度2 与 ② abdc 和 cb 的最长公共子序列长度1 的最大值,即 2。
同时为了不考虑边界情况
我们设置dp[][] = dp[N+1][M+1]
所以题解
class Solution {
public int longestCommonSubsequence(String text1, String text2) {
int M = text1.length();
int N = text2.length();
int[][] dp = new int[M + 1][N + 1];
for(int i = 1; i <= M ; ++i){
for(int j = 1 ; j <= N ; ++j){
if (text1.charAt(i - 1) == text2.charAt(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[M][N] ;
}
}