【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:
- 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
- 重叠子问题:存在
- 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];
}