題目
思路與算法
- 本題是很經典的LCS(Longest Common SubSequence)動態規劃類的題目,最近開始複習一下這方面的題型。
- 動態規劃可以基本上總結爲寫出狀態轉移方程即可。沒什麼好講的,我直接貼代碼,見詳細註釋即可。
代碼實現
Java實現:
class Solution {
public int longestCommonSubsequence(String text1, String text2) {
int len1 = text1.length();
int len2 = text2.length();
/*
初始化dp數組,i,j均從1開始,
dp[i][j]爲text1的前i個字符,和text2的前j個字符爲輸入的LCS值。
動態方程爲:
dp[i][j] = dp[i - 1][j - 1] + 1
dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])
具體爲上面的轉移情況還是下面的轉移情況其實也很清楚:
1. 如果這倆子序列中當前遍歷的字符相同,很顯然此時將當前字符從兩個字符串中都去掉得到的LCS只 比當前多的這個字符時的LCS小1,也就是第一個狀態轉移方程。
2. 如果不同,那也很簡單,不同則需要前移兩個字符串之一的指針,要麼第一個字符串去掉最後一個, 要麼第二個字符串去掉最後一個字符,此時對比他們兩者情況下的LCS值,當前情況下的LCS比這兩者中大那 個LCS大1,如此即可。
*/
// 初始化dp數組記得多擴一組,因爲dp[0][0]是不存值的。
int[][] dp = new int[len1 + 1][len2 + 1];
// 注意我們索引從1開始比較方便些
for (int i = 1; i <= len1; i++) {
for (int j = 1; j <= len2; j++) {
if (text1.charAt(i - 1) == text2.charAt(j - 1)) {
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[len1][len2];
}
}
C++實現:代碼完全相同,註釋看Java的
class Solution {
public:
int longestCommonSubsequence(string text1, string text2) {
int len1=text1.length();
int len2=text2.length();
vector<vector<int>> dp(len1+1,vector<int>(len2+1,0));
for(int i=1;i<=len1;i++){
for(int j=1;j<=len2;j++){
if(text1[i-1] == text2[j-1])
dp[i][j]=dp[i-1][j-1]+1;
else
dp[i][j]=max(dp[i-1][j],dp[i][j-1]);
}
}
return dp[len1][len2];
}
};