一刷131-dp-1143最长公共子序列（m）(剑指 Offer II 095. 最长公共子序列)

题目：
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：
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 。

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 。

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。
-----------------
思考：
本题和动态规划：718. 最长重复子数组 区别在于这里不要求是连续的了，
但要有相对顺序，即："ace" 是 "abcde" 的子序列，但 "aec" 不是 "abcde" 的子序列。

确定dp数组（dp table）以及下标的含义
dp[i][j]：长度为[0, i - 1]的字符串text1
与长度为[0, j - 1]的字符串text2的最长公共子序列为dp[i][j]

有同学会问：为什么要定义长度为[0, i - 1]的字符串text1，
定义为长度为[0, i]的字符串text1不香么？

这样定义是为了后面代码实现方便，
如果非要定义为为长度为[0, i]的字符串text1也可以，大家可以试一试！

确定递推公式
主要就是两大情况：
text1[i - 1] 与 text2[j - 1]相同，
text1[i - 1] 与 text2[j - 1]不相同

如果text1[i - 1] 与 text2[j - 1]相同，那么找到了一个公共元素，
所以dp[i][j] = dp[i - 1][j - 1] + 1;

如果text1[i - 1] 与 text2[j - 1]不相同，
那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 
和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列，取最大的。

即：dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);

dp数组如何初始化
先看看dp[i][0]应该是多少呢？
test1[0, i-1]和空串的最长公共子序列自然是0，所以dp[i][0] = 0;
同理dp[0][j]也是0。

其他下标都是随着递推公式逐步覆盖，初始为多少都可以，那么就统一初始为0。

确定遍历顺序
从递推公式，可以看出，有三个方向可以推出dp[i][j]，如图：

那么为了在递推的过程中，这三个方向都是经过计算的数值
所以要从前向后，从上到下来遍历这个矩阵。

举例推导dp数组
以输入：text1 = "abcde", text2 = "ace" 为例，dp状态如图：

代码：
class Solution {
    public int longestCommonSubsequence(String text1, String text2) {
        int[][] dp = new int[text1.length() + 1][text2.length() + 1];//定义dp数组
        for (int i = 1; i <= text1.length(); i++) {
            char ch1 = text1.charAt(i - 1);
            for (int j = 1; j <= text2.length(); j++) {
                char ch2 = text2.charAt(j - 1);
                if (ch1 == ch2) {//相等情况
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                }else {//不相等情况
                    dp[i][j] = Math.max(dp[i][j - 1], dp[i - 1][j]);
                }
            }
        }
        return dp[text1.length()][text2.length()];
    }
}
/**
dp[i][j]：长度为[0, i - 1]的字符串text1 与 长度为[0, j - 1]的字符串text2的最长公共子序列为dp[i][j]
所以 对于字符串text1的第i个元素 text2 的第j个元素
dp数组定义时要 多1  int[][] dp = new int[text1.length() + 1][text2.length() + 1];
------------
主要就是两大情况：
text1[i - 1] 与 text2[j - 1]相同，
text1[i - 1] 与 text2[j - 1]不相同
--------------
如果text1[i - 1] 与 text2[j - 1]相同，那么找到了一个公共元素，
所以dp[i][j] = dp[i - 1][j - 1] + 1;
-------------
如果text1[i - 1] 与 text2[j - 1]不相同，
那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 
和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列，取最大的。
 */

LC