1143. 最长公共子序列
思路:题目就不多说了,很简单,举个例子:
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。
(方法1:递归法:超时)首先看题目,两个字符串,而且还需要比较相同的字符,我第一反应想到的就是双指针,即如果text1.charAt(start1) == text2.charAt(start2)则两个指针都移动,否则分别移动第一个指针或者第二个指针,这显然就是一种递归,于是代码如下:
public int longestCommonSubsequence(String text1, String text2) {
return helper(text1,text2,0,0,0);
}
public int helper(String text1,String text2,int start1,int start2,int res){
if(start1 == text1.length() || start2 == text2.length()) return res;
if(text1.charAt(start1) == text2.charAt(start2)){
return helper(text1,text2,start1+1,start2+1,res+1);
}else{
return Math.max(helper(text1,text2,start1,start2+1,res),helper(text1,text2,start1+1,start2,res));
}
}
看起来相当简洁,然而一跑起来就超时,所以这种递归的方式并不能通过。那么就该动态规划出场了。
(方法2:动态规划法)我们定义dp[i][j] 的含义是:对于 s1[1…i] 和 s2[1…j],它们的 LCS 长度是 dp[i][j]。->
接下来进行初始化:索引为 0 的行和列表示空串,所以dp[0][…] 和 dp[…][0] 都应该初始化为 0。例如,dp[0][3]=0 的含义是:对于字符串 “” 和 “bab”,其 LCS 的长度为 0。因为有一个字符串是空串,它们的最长公共子序列的长度显然应该是 0。->
有了这些前提,我们就可以定义动态方程了:
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]);
}
那么我们最终的答案就是dp[s1.length()][s2.length()]了,完整代码如下:
public int longestCommonSubsequence(String text1, String text2) {
int n1 = text1.length(), n2 = text2.length();
int[][] dp = new int[n1 + 1][n2 + 1];
for (int i = 1; i <= n1; i++) {
for (int j = 1; j <= n2; 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[n1][n2];
}