最长公共子序列
给定两个字符串 s1 和 s2,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
i输入:s1 = "abcde", s2 = "ace"
输出:3
解释:最长公共子序列是 "ace" ,它的长度为 3 。
输入:s1 = "abc", s2 = "abc"
输出:3
解释:最长公共子序列是 "abc" ,它的长度为 3 。
输入:s1 = "abc", s2 = "def"
输出:0
解释:两个字符串没有公共子序列,返回 0 。
解题
二维动态规划问题
状态转移方程:
1.s1和s2的长度为m,n。创建一个(m+1)*(n+1)的二位dp数组
2.dp[ i ][ j ] :s1长度为 i 的前缀和 s2长度为 j 的前缀 的 最长公共子序列长度。
3.动态规划的边界情况:
1.当i=0时,dp[0][j] = 0
2.当j=0时,dp[i][0] = 0
4.i > 0 并且 j > 0,计算dp[ i ][ j ]
对于当前比较的两个字符:
1. s1[i-1]=s2[j-1] : dp[i-1][j-1]+1
2. s1[i-1]不等于s2[j-1] :max(dp[i-1][j],dp[i][j-1])
5.返回dp[ m ][ n ]
注意:计算dp[ i ][ j ] 就是 前i个与前j个 的最长公共子序列,比较的是 s1[i-1] 与s2[j-1] 是否相等
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 = 1; i <= m; i++){
char ch1 = s1.charAt(i-1);
for(int j = 1; j <= n; j++){
char ch2 = s2.charAt(j-1);
if(ch1 == ch2){
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[m][n];
}
}