1.最长公共子串
给定两个字符串str1和str2,输出两个字符串的最长公共子串
题目保证str1和str2的最长公共子串存在且唯一。
示例1
输入
"1AB2345CD","12345EF"
输出
"2345"
思路:子串和子序列不同的是,子串是需要连续的,对付这种题目可以使用二维矩阵dp[i] [j] 如果str1(i) == str2(j) 那么dp[i] [j] = dp[i - 1] [j - 1] + 1 ,如果不相等则dp[i] [j] = 0
例如:str=acbcbcef,str2=abcbced,则str和str2的最长公共子串为bcbce,最长公共子串长度为5。则画表如下:
这种题目的思路是基于两点 ①最小子结构 ② 重叠子问题
对付dp[i] [j] 有两种情况(dp[i] [j]表示的是字符串str(0,i)与str2(0,j) 的最长公共子串的长度,这里使用长度表示字符串):
- str(i) == str(j) :继续分割子问题 那么dp[i] [j] = dp[i - 1] [j - 1] + 1(1代表当前已经有一个)
- str(i) != str(j) :说明当前已经不符合公共子串了
也就是说对于dp[i] [j]已经可以写出如上的两个递归方程了,那么是不是使用递归呢?递归时可以做的,但是递归做了和多重复的子问题,举个简单的例子:斐波那契数列的求法是f(n) = f(n - 1) + f(n - 2),如果使用递归则很容易爆栈,因为有很多的子问题的存在,解决这个问题的办法之一便是使用数组将其存起来,需要的时候直接使用即可
同样的这里使用一个dp数组,将所有结构存起来,使得在需要使用时是直接取出,而不是再接着求解子问题,下面是代码
import javautil.*;
public class Solution {
/**
* longest common substring
* @param str1 string字符串 the string
* @param str2 string字符串 the string
* @return string字符串
*/
public String LCS (String str1, String str2) {
// write code here
int[][] dp = new int[str1.length()][str2.length()];
int index = 0;
int res = 0;
for(int i = 0;i < dp.length;i++){
for(int j = 0;j < dp[0].length;j++){
//如果不相等 则dp[i][j] = 0
if(str1.charAt(i) != str2.charAt(j)){
dp[i][j] = 0;
}else{
if(i ==0 || j == 0) dp[i][j] = 1;
//如果相等 则应该加上上一个字符的最大长度
else dp[i][j] = dp[i - 1][j - 1] + 1;
}
//求出最优解
if(dp[i][j] > res){
res = dp[i][j];
index = i;
}
}
}
System.out.println(res);
return str1.substring(index - res + 1, index + 1);
}
}
2.最长公共子序列
给定两个字符串str1和str2,输出连个字符串的最长公共子序列。如过最长公共子序列为空,则输出-1。
示例1
输入
"1A2C3D4B56","B1D23CA45B6A"
输出
"123456"
说明
"123456"和“12C4B6”都是最长公共子序列,任意输出一个。
子序列与子串之间的区别在于,子序列不是连续的,其实还是重复使用如上的思路
对于dp[i] [j] 的定义需要稍微做点改变 表示的是str1(0,i-1) ,str2(0,j - 1),和上面不一样的原因是为了更好的处理后续的,这点后续再说
对于dp[i] [j] 来说 有以下情况:
- str(0, i - 1) == str(0, j - 1):两者相等,那么dp[i] [j] = dp[i - 1] [j - 1] + 1
- str(0, i - 1) != str(0, j - 1):两者不相等,那么dp[i] [j] = Math.max(dp[i] [j - 1], dp[i - 1] [j])
代码如下:
class Solution {
public int longestCommonSubsequence(String text1, String text2) {
int[][] dp = new int[text1.length() + 1][text2.length() + 1];
for(int i = 0;i <= text1.length(); i++){
for(int j = 0;j <= text2.length(); j++){
if(i == 0 || j == 0){
dp[i][j] = 0;
continue;
}
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() ];
}
}
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ynoymhUi-1617809415131)(0407-算法复盘.assets/image-20210407144944426.png)]
3. 最长回文子串
给定字符串A以及它的长度n,请返回最长回文子串的长度。
思路一:暴力法,维护一个动态窗口,然后去判断这个窗口内的字符串是不是一个回文串,判断回文串使用左右指针即可
public class Solution {
public int getLongestPalindrome(String A, int n) {
// write code here
Deque<Character> q = new LinkedList<>();
int res = 0;
for(int i = 0;i < n;i++){
for(int j = i + 1;j <= n;j++){
String str = A.substring(i, j);
if(isPalind(str)){
res = Math.max(res, str.length());
}
}
}
return res;
}
public boolean isPalind(String s){
int left = 0, right = s.length() - 1;
while(left < right){
if(s.charAt(left) != s.charAt(right)) return false;
left++;
right--;
}
return true;
}
}
思路二:动态规划这里只提供思路
harAt(left) != s.charAt(right)) return false;
left++;
right–;
}
return true;
}
}
==思路二:动态规划这里只提供思路==
对于dp[i] [j] 表示字符串从下标i到j的字符串是否是回文自子串,则有dp[i] [j] = dp[i + 1] [j - 1] && (s(i) == s(j)),使用动态规划要注意填表的顺序,然后也要注意i + 1 < j - 1