4月3号打卡

2021.4.3 最长公共子序列

题目描述

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 。
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 。
示例 3：

输入：text1 = “abc”, text2 = “def”
输出：0
解释：两个字符串没有公共子序列，返回 0 。

思路

典型的动态规划问题，可以建立一个二维数组dp[ ][ ]，这里我多建立了一行一列是为了避免边界问题。dp[ i ][ j ]的意义是text1 的前 i 个字符与 text2 的前 j 个字符的最长公共子序列的长度，显然我们可以知道当 text1 的 第 i 个字符与 text2 的第 j 个字符相等时，dp[ i ][ j ] = dp[ i - 1 ][ j - 1 ] + 1；但是不相等时 ，dp[ i ][ j ]应该是等于dp[ i - 1 ][ j ]与dp[ i ][ j - 1 ]两者较大的那个的，而初始条件就是当text1与text2都不取元素时，最长子序列为0。从而得到以下代码：

     public int longestCommonSubsequence(String text1, String text2) {
        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]);
                }
            }
        }
        return dp[text1.length()][text2.length()];
    }