两个字符串的最长公共子序列长度_动态规划 -- 最长公共子序列

最长公共子序列（Longest Common Subsequence， 简称 LCS）是非常经典的二维动态规划，大部分比较困难的字符串问题都和这个问题一个套路，穷举+剪枝

思路：

第一步 要明确 dp 数组的含义

对于两个字符串的动态规划问题，一般都需要一个二维的 dp 数组

其中 dp[i][j] 的含义是：对于 string1[0, ......, i-1] 和 string2[0, ......, j-1]，它们的最长公共子序列长度是 dp[i][j]

比如对于字符串 string1="abcde" string2="aceb"

一般要构造这样的 DP 表

dp[2][4] = 2 的含义就是： 对于 "ac" 和 "babc"，它们的LCS长度是 2

如果想自己练习填写动态规划表格，可以在这里练习动态规划表格练习地址

根据这个定义，最终想得到的答案应该是 dp[3][6]

第二步 定义 base case

让索引为 0 的行和列表示空串，dp[0][…] 和 dp[...][0] 都应该初始化为 0， 这就是 base case

第三步 状态转移方程

这个问题具体是求 string1 和 string2 的最长公共子序列 LCS，对于 string1 和 string2 中的每一个字符，有两种选择：要么在 LCS 中，要么不在。

如何知道 string1[i] 和 string2[j] 是否在 LCS 中？

【留坑以后填之我看懂了但还不会解释】

(function(){
    var longestCommonSubsequence = function (text1, text2) {
    const m = text1.length;
    const n = text2.length;

    // dp数组m+1行n+1列，初始化为0，此时基础情况dp[0][...] 和 dp[...][0]也一并初始化为0
    const dp = Array.from(Array(m+1), () => Array(n+1).fill(0));
    console.log(dp);

    for(let i = 1; i <= m; i++){
        for(let j = 1; j <= n; j++){
            if(text1[i - 1] == text2[j -1]){
                dp[i][j] = dp[i -1][j -1] + 1;
            } else {
                dp[i][j] = Math.max(dp[i][j-1], dp[i-1][j]);
            }
        }
    }
    return dp[m][n];
};

longestCommonSubsequence("abcde", "ace")
}())