最长公共子序列

终于还是踏上了算法这条不归路，记录一下做题的历程

---

最长公共子序列

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 。

动态规划

通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。

动态规划常常适用于有重叠子问题和最优子结构性质的问题，动态规划方法所耗时间往往远少于朴素解法。 —— 维基百科

自己的理解

解决具有大量重复子问题的情况。

当使用递归的思想解决某一问题时，是从后向前递归，最终到达递归基时终止，这样有时会产生重复的子问题，从而在时间复杂度上造成很大影响。
而动态规划恰好相反，是一种从前向后迭代的过程，每个子问题只计算一次，对于已经计算过的子问题将直接使用其结果，不在重复计算。

大致过程：建立一个二维数组dp[m+1][n+1]（包含一组空字符），数组中保存的是两字符串的最长公共子序列大小。
第一行和第一列代表空，空和另一字符串中的元素必不相等，在图中即表现为 0 的形式。
后续判断分为两种情况，当 i = j 时判断str1[ i ]和str2[ j ]二者是否相等，若相等则dp[ i - 1][ j - 1]的值 +1，不相等则需要判断dp[ i - 1][ j ]和dp[ i ][ j -1]中最长公共子序列大小，取二者中的较大值。
注：其实这里不光是对 i = j 时进行判断，而是遍历整张表使用上述方法进行判断。依次算出表中各个位置对应的最长公共子序列。

自己画了个图理解

最后面的箭头有点多，简化了一下。

代码

class Solution {
public:
    int longestCommonSubsequence(string text1, string text2) {
        int m = text1.length(), n = text2.length();
        vector<vector<int>> dp(m + 1, vector<int>(n + 1));			// dp中保存的值为两字符串最长公共子序列的值（大小）。
        for (int i = 1; i <= m; i++) {
            char c1 = text1.at(i - 1);
            for (int j = 1; j <= n; j++) {
                char c2 = text2.at(j - 1);
                if (c1 == c2) {			// 判断字符串是否相等，相等则取dp[i - 1][j - 1]的值 +1 
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                } else {			// 若不相等，则比较dp[i - 1][j]和dp[i][j - 1]，取二者较大值。
                    dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);
                }
            }
        }
        return dp[m][n];
    }
};

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/longest-common-subsequence