力扣--动态规划1143.最长公共子序列

注：动态规划1035.不相交的线与这题思路和方法是一样的，换了种描述方法。

思路分析：

1. 创建一个二维向量dp，其中dp[i][j]表示text1的前i个字符和text2的前j个字符的最长公共子序列长度。
2. 使用两个嵌套循环遍历text1和text2的所有字符。
3. 如果当前字符相等，则当前最长公共子序列长度为前一个状态加1，即dp[i][j] = dp[i - 1][j - 1] + 1。
4. 如果当前字符不相等，则取text1的前一个字符和text2当前字符的最长公共子序列长度以及text1当前字符和text2的前一个字符的最长公共子序列长度的较大值，即dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])。
5. 最终，返回dp[text1.size()][text2.size()]，即text1和text2的最长公共子序列的长度。

class Solution {
public:
    // 计算两个字符串的最长公共子序列长度
    int longestCommonSubsequence(string text1, string text2) {
        // 创建一个二维向量dp，其中dp[i][j]表示text1的前i个字符和text2的前j个字符的最长公共子序列长度
        vector<vector<int>> dp(text1.size() + 1, vector<int>(text2.size() + 1, 0));

        // 使用两个嵌套循环遍历text1和text2的所有字符
        for (int i = 1; i <= text1.size(); i++) {
            for (int j = 1; j <= text2.size(); j++) {
                // 如果当前字符相等，则当前最长公共子序列长度为前一个状态加1
                if (text1[i - 1] == text2[j - 1]) {
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                } else {
                    // 如果当前字符不相等，则取text1的前一个字符和text2当前字符的最长公共子序列长度
                    // 以及text1当前字符和text2的前一个字符的最长公共子序列长度的较大值
                    dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);
                }
            }
        }

        // 返回text1和text2的最长公共子序列的长度
        return dp[text1.size()][text2.size()];
    }
};