先看题
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。
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。
这类题有两种动态规划法的解法
第一种解法:备忘录memo
就是用两个指针i
和j
分别遍历两个字符串。
如果两个字符串对应的i
和j
的字符相等,就同时加一向后移;
不相等时,选择i+1
或j+1
中的较大值。
直到i
和j
中的有一个遍历结束字符串,一个遍历完后,因为base case
为0的原因,所以会继续遍历另一个字符串,知道结束
// 备忘录,消除重叠子问题
int[][] memo;
/* 主函数 */
int longestCommonSubsequence(String s1, String s2) {
int m = s1.length(), n = s2.length();
// 备忘录值为 -1 代表未曾计算
memo = new int[m][n];
for (int[] row : memo)
Arrays.fill(row, -1);
// 计算 s1[0..] 和 s2[0..] 的 lcs 长度
return dp(s1, 0, s2, 0);
}
// 定义:计算 s1[i..] 和 s2[j..] 的最长公共子序列长度
int dp(String s1, int i, String s2, int j) {
// base case
if (i == s1.length() || j == s2.length()) {
return 0;
}
// 如果之前计算过,则直接返回备忘录中的答案
if (memo[i][j] != -1) {
return memo[i][j];
}
// 根据 s1[i] 和 s2[j] 的情况做选择
if (s1.charAt(i) == s2.charAt(j)) {
// s1[i] 和 s2[j] 必然在 lcs 中
memo[i][j] = 1 + dp(s1, i + 1, s2, j + 1);
} else {
// s1[i] 和 s2[j] 至少有一个不在 lcs 中
memo[i][j] = Math.max(
dp(s1, i + 1, s2, j),
dp(s1, i, s2, j + 1)
);
}
return memo[i][j];
}
第二种解法:dp数组
动态规划思路:确定dp
数组含义——>定义base case ——>找状态转移方程
第一步 确定dp数组
对于两个字符串的动态规划问题,套路是通用的。
比如说对于字符串 s1 和 s2,它们的长度分别是 m、n,一般来说都要构造一个这样的 DP table:int[][] dp = new int[m+1] [n+1]。
这里为什么要加1,原因是你可以不加1,但是不加1你就会用其它限制条件来确保这个index是有效的,而当你加1之后你就不需要去判断只是让索引为0的行和列表示空串。
比如m
和n
分别是5和3, 因为数组下标是从0开始的,想要获得[5] [3]下标的数组,就要定义一个6 * 4 的二维数组,也就是new int[m+1] [n+1]
。一个是数组坐标 一个是数组长度
就像这张图一样
第二步 定义base case
专门让索引为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 找状态转移方程
对两个字符串,定义两个指针遍历i
和j
遍历 text1 长度为 m
,定义指针 i
,从 0~m
。固定 i
指针(i == 1)位置,接下来开始遍历 text2 长度为 n
,定义指针 j
,从 0~n
。
- 第一次遍历 i = 1, j = 1,两个a相同所以 dp[1] [1] = 1
- 第二次遍历 i = 1, j = 2,a与c不等,也不能是0,这里需转换成 a 与 ac 最长子序列,这里需要把之前的关系传递过来,所以dp[1] [2] = 1
- 第三次遍历 i = 1, j = 3,a与e不相同,把之前的关系传递过来,所以dp[1] [3] = 1
text2:ace 已经走完来第一轮,接下来text1:abcde 走到来b字符。 - 第四次遍历 i = 2, j = 1,就是需要比较ab与a的最长子串,把之前的关系传递过来,所以dp[2] [1] = 1
当两个字符串的字符相同时候,需要考虑不包含当前字符串的子序列长度,再加上1,也就是找它们前面各退一格的值加1即可:dp[i+1][j+1] = dp[i][j] + 1;
;
不同时,选择左边
和上边
的较大的值,也就是要取它的「要么是text1往前退一格,要么是text2往前退一格,两个的最大值」dp[i + 1] [j + 1] = Math.max(dp[i+1] [j], dp[i] [j+1]);
class Solution {
public int longestCommonSubsequence(String s1, String s2) {
int m = s1.length(), n = s2.length();
int[][] dp = new int[m + 1][n + 1];
for (int i = 0; i < m; i++) {
for (int j = 0; j < n; j++) {
char c1 = s1.charAt(i);
char c2 = s2.charAt(j);
if (c1 == c2) {
dp[i + 1][j + 1] = dp[i][j] + 1;
} else {
dp[i + 1][j + 1] = Math.max(dp[i + 1][j], dp[i][j + 1]);
}
}
}
return dp[m][n];
}
}