Leetcode【最长公共子序列】

1143. 最长公共子序列

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 。

提示：

• 1 <= text1.length, text2.length <= 1000
• text1 和 text2 仅由小写英文字符组成。

 

解题思路

1. 定义状态：

   • 定义二维数组 dp，其中 dp[i][j] 表示 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。

2. 初始化：

   • 初始化 dp[0][0] = 0，表示两个空字符串的最长公共子序列长度为0。

3. 状态转移：

   • 遍历 text1 和 text2 的每个字符，如果 text1.charAt(i-1) == text2.charAt(j-1)，则 dp[i][j] = dp[i-1][j-1] + 1，因为它们属于最长公共子序列的一部分。
   • 如果 text1.charAt(i-1) != text2.charAt(j-1)，则 dp[i][j] = Math.max(dp[i-1][j], dp[i][j-1])，选择不同字符时的最长公共子序列长度。

4. 结果：

   • 最终 dp[n][m] 即为 text1 和 text2 的最长公共子序列的长度。

示例

假设 text1 = "abcde"，text2 = "ace"，我们将填充 dp 表格以找到最长公共子序列的长度：

• dp[0][0] 初始化为 0。
• 遍历 text1 和 text2 的每个字符：
  • 当 i=1, j=1 时，text1.charAt(0)='a' 与 text2.charAt(0)='a' 相同，所以 dp[1][1] = dp[0][0] + 1 = 1。
  • 当 i=2, j=2 时，text1.charAt(1)='b' 与 text2.charAt(1)='c' 不同，所以 dp[2][2] = Math.max(dp[1][2], dp[2][1]) = 1。
  • 以此类推，直到填满整个 dp 表格。

最终 dp[5][3] 的值为 3，这就是 "abcde" 和 "ace" 的最长公共子序列的长度。

public int longestCommonSubsequence(String text1, String text2) {
    // 获取字符串text1的长度
    int n = text1.length();
    // 获取字符串text2的长度
    int m = text2.length();
    // 创建一个二维数组dp，dp[i][j]表示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
    int[][] dp = new int[n + 1][m + 1];
    // 初始化dp数组
    dp[0][0] = 0;
    // 遍历text1和text2的每个字符，填充dp数组
    for (int i = 1; i <= n; i++) {
        for (int j = 1; j <= m; j++) {
            // 如果text1的第i个字符与text2的第j个字符相同
            if (text1.charAt(i - 1) == text2.charAt(j - 1)) {
                // 则dp[i][j]为dp[i-1][j-1]加上1，因为这两个字符属于最长公共子序列的一部分
                dp[i][j] = dp[i - 1][j - 1] + 1;
            } else {
                // 否则，取dp[i-1][j]和dp[i][j-1]的较大值，表示不同字符时的最长公共子序列长度
                dp[i][j] = Math.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，即dp[n][m]
    return dp[n][m];
}