代码随想录——最长公共子序列（Leetcode 1143）

题目链接

动态规划

思路：

• 初始化
  • 定义状态：定义一个二维数组 dp，其中 dp[i][j] 表示字符串 text1 的前 i 个字符和字符串 text2 的前 j 个字符的最长公共子序列的长度。
  • 初始化边界条件：dp[0][j] 和 dp[i][0] 都初始化为 0，因为当其中一个字符串为空时，它们的公共子序列长度为 0。
• 状态转移
  遍历字符串：使用两个嵌套的循环，分别遍历 text1 和 text2 的所有字符。外层循环遍历 text1 的每个字符，内层循环遍历 text2 的每个字符。
  状态转移方程：对于每一对字符 text1[i-1] 和 text2[j-1]（注意，由于 dp 的索引比字符串索引多 1，因此这里使用 i-1 和 j-1）：
  • 如果 text1[i-1] == text2[j-1]，则找到了一个公共字符，更新 dp[i][j] 为 dp[i-1][j-1] + 1。
  • 如果 text1[i-1] != text2[j-1]，则当前字符不可能是公共子序列的一部分，更新 dp[i][j] 为 dp[i-1][j] 和 dp[i][j-1] 中的较大值。
• 计算结果
  • 记录最大长度：在状态转移的过程中，更新一个变量 res，用于记录 dp 数组中的最大值，即两个字符串的最长公共子序列的长度。
  • 返回结果：当遍历完所有字符后，res 即为所求的最长公共子序列的长度。

class Solution {
    public int longestCommonSubsequence(String text1, String text2) {
        int res = 0;
        int[][] dp = new int[text1.length() + 1][text2.length() + 1];
        for(int i = 1; i < text1.length() + 1; i++){
            for(int j = 1; j < text2.length() + 1; 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]);
                }
                res = Math.max(res, dp[i][j]);
            }
        }
        return res;
    }
}