Leetcode1143.最长公共子序列

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] ;
    }
}