最长公共子序列

最长公共子序列

1、参考资料

https://leetcode-cn.com/problems/longest-common-subsequence/

2、题目要求

题目描述

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。

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。

若这两个字符串没有公共子序列，则返回 0。

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。

3、代码思路

二维动态规划

1. 最长公共子序列（Longest Common Subsequence，简称 LCS）典型的解法是二维动态规划，还是老问题：为啥这个问题就是动态规划来解决呢？因为暴力解法时间复杂度太恐怖了，对于子序列类型的问题，穷举出所有可能的结果都不容易，而动态规划算法做的就是穷举 + 剪枝。
2. 动态规划是将大问题分解为子问题，其关键就是我们如何定义子问题，如何定义 dp[] 数组的含义。为了方便起见，我们暂时认为 dp[][] 数组的索引和字符串的索引从 1 开始。我们定义 dp[i][j] 为 text1[1...i] 与 text2[1...j] 的最长公共子序列长度，那么我们只需要得到 dp[text1.length][text2.length] 即可求得 LCS 的长度
3. 为什么要将 dp[0][] 和 dp[][0] 留空？在动态规划中，我们一般将 dp[0][](第一行) 和 dp[][0](第一列) 作为初始条件，在本题中的含义为：空字符串 "" 与任何字符串的 LCS 长度均为 0
4. 那么状态转移方程怎么推导呢？首先，我们需要明确两个 for 循环是必不可少的，因为我们需要分别遍历 text1 和 text2 才能求出 dp[i][j]，外层循环遍历 text1 字符串：for (int i = 1; i <= text1Length; i++) {，内层循环遍历 text2 字符串：for (int j = 1; j <= text2Length; j++) {。看下面的图(来自 labuladong)，如果 text1.charAt(i - 1) == text2.charAt(j - 1)，证明以 text1[i-1] 与 text2[j-1] 结尾能构成公共子序列(索引从 0 开始)，则 text1[1..i] 与 text2[1..j] 的最长公共子序列长度应该等于【text1[1..i-1] 与 text2[1..j-1] 的最长公共子序列长度 + 1】(索引从 1 开始)；否则 text1[1..i] 与 text2[1..j] 的最长公共子序列长度应该等于【Math.max(text1[1..i-1] 与 text2[1..j] 的最长公共子序列长度, text1[1..i] 与 text2[1..j-1] 的最长公共子序列长度)】
5. 打完收工，睡觉

4、代码实现

代码

    class Solution {
        public int longestCommonSubsequence(String text1, String text2) {
            int text1Length = text1.length();
            int text2Length = text2.length();
            //  dp[i][j] 为 text1[1...i] 与 text2[1...j] 的最长公共子序列长度
            // 将 dp[0][](第一行) 和 dp[][0](第一列) 作为初始条件
            int[][] dp = new int[text1Length + 1][text2Length + 1];

            // 外层循环遍历 text1 字符串
            for (int i = 1; i <= text1Length; i++) {
                // 内层循环遍历 text2 字符串
                for (int j = 1; j <= text2Length; j++) {
                    if (text1.charAt(i - 1) == text2.charAt(j - 1)) {
                        // 看代码思路里的分析
                        dp[i][j] = dp[i - 1][j - 1] + 1;
                    } else {
                        // 看代码思路里的分析
                        dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);
                    }
                }
            }

            // 返回两个字符串的 LCS长度
            return dp[text1Length][text2Length];
        }
    }