DP解最长公共子序列ヽ(✿ﾟ▽ﾟ)ノ

【问题】

题目：Leetcode第1143题

难度：中等

问题描述：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 。

Tip：

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 。

【方法：动态规划】

第一步确定状态变量

设一个二维数组dp ，其意义为dp[i][j]表示 text1[ i] 之前的字符串 与 text2[ j] 之前的字符串的最长公共子序列的长度。

第二步确定状态转换方程

当 text1[i] 与 text2[j]相同时 dp[i][j] 应该是多少？ 当然是 dp[i-1][j-1]+1

当两者不同时，dp[i][j] 取 dp[i-1][j] 和 dp[i][j-1] 两者中的更大的那个。

综上所述：

 第三步确定边界条件

从1开始遍历 ，所以 当 i=0 或者 j=0 时 dp[i][j] =0 

不经意间，看见有大佬做出了比较详细的小结(如下) ，供大家参考：

解题思路

Q1：为什么想到二维dp？

A1：因为涉及到两个字符串的比较，通常我们的做法都是设置两个指针进行遍历操作；而两个指针当前走到哪以及当前已经记录的公共子序列长度，我们可以采取一个二维dp记录

Q2：为什么是DP？

A2：

1. 最优子结构：text.subString(0,i)和text2.subString(0,j)子问题的最优解之间互不影响，且原问题的解可以由子问题的解推出来；符合最优子结构
2. 重叠子问题：存在
3. 状态转移方程：

• 若当前i，j指向的字符相同，则一定在LCS中，指针i，j同时移动，即有：dp[i][j] = dp[i-1][j-1]+1;
• 若当前i，j指向的字符不相同，则i，j指向的字符至少有一个不在LCS中，获取前面子问题的最大解：dp[i][j] = max{dp[i-1][j],dp[i][j-1]}

注：由状态转移方程我们看的出来，新的状态只和前面相邻的状态相关，因此我们可以采取状态压缩的方法将二维数组压缩成一维dp记录状态

                                                               

                                                                                        ----------转自Leetcode大佬

【代码】：

int longestCommonSubsequence(string text1, string text2) {
        int len1=text1.size();
        int len2=text2.size();
        vector<vector<int>> dp(len1+1,vector<int>(len2+1,0));
        for(int i=1;i<=len1;i++){
            for(int j=1;j<=len2;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[len1][len2];
    }