最长公共子序列
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。
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。
若这两个字符串没有公共子序列,则返回 0。
解题思路
定义dp[i][j]为在字符子串text1[0,…,i],text2[0,…,j]中的最长公共子序列的长度,则若已知dp[i-1][j-1],如果text1[i] == text2[j] , 那么dp[i][j] = dp[i-1][j-1] + 1,否则dp[i][j] = max(dp[i][j-1],dp[i-1][j])。
代码
class Solution {
public int longestCommonSubsequence(String text1, String text2) {
int n1 = text1.length(),n2 = text2.length();
if(n1 == 0 || n2 == 0)
return 0;
int dp[][] = new int[n1+1][n2+1];
//dp[0][j]和dp[i][0]默认为0
for(int i=1;i<=n1;i++){
for(int j=1;j<=n2;j++){
//因为i和j是从1开始的,字符串是从0开始的,所以需要减1
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];
}
}
时间复杂度:O(n1n2)
空间复杂度:O(n1n2)
编辑距离
参考题解:经动态规划:编辑距离
问题描述
给你两个单词 word1 和 word2,请你计算出将 word1 转换成 word2 所使用的最少操作数 。
你可以对一个单词进行如下三种操作:
插入一个字符
删除一个字符
替换一个字符
解题思路
定义dp[i][j]为从word1[0,…,i]到word2[0,…,j]转换所使用的最少操作次数,则若已知dp[i-1][j-1],如果word1[i]==word2[j],那么dp[i][j]=dp[i-1][j-1];否则,dp[i][j] = min(dp[i][j-1],dp[i-1][j],dp[i-1][j-1]) + 1;
代码:
class Solution {
public int minDistance(String word1, String word2) {
int n1 = word1.length(),n2 = word2.length();
int dp[][] = new int[n1+1][n2+1];
//若其中一个字符串为空,则操作次数是另一字符串的长度
for(int i=0;i<=n1;i++)
dp[i][0] = i;
for(int j=0;j<=n2;j++)
dp[0][j] = j;
for(int i=1;i<=n1;i++){
for(int j=1;j<=n2;j++){
//因为i和j是从1开始的,字符串是从0开始的,所以需要减1
if(word1.charAt(i-1) == word2.charAt(j-1))
dp[i][j] = dp[i-1][j-1];
else
dp[i][j] = MinNum(dp[i][j-1],dp[i-1][j],dp[i-1][j-1]) + 1;
}
}
return dp[n1][n2];
}
public int MinNum(int a,int b,int c){//求三个数中的最小值
if(a<=b){
if(c<=a)
return c;
else
return a;
}else{
return b;
}
//或者直接用:return Math.min(a,Math.min(b,c));
}
}
时间复杂度:O(n1n2)
空间复杂度:O(n1n2)