- 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。
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。
提示:
1 <= text1.length <= 1000
1 <= text2.length <= 1000
输入的字符串只含有小写英文字符。
/**
* @param {string} text1
* @param {string} text2
* @return {number}
*/
var longestCommonSubsequence = function(text1, text2) {
let n = text1.length;
let m = text2.length;
let dp = Array.from(new Array(n+1),() => new Array(m+1).fill(0));
for(let i = 1;i <= n;i++){
for(let j = 1;j <= m;j++){
if(text1[i-1] == text2[j-1]){
dp[i][j] = dp[i-1][j-1] + 1;
}else{
dp[i][j] = Math.max(dp[i][j-1],dp[i-1][j]);
}
}
}
return dp[n][m];
};
作者:Alexer-660
链接:https://leetcode-cn.com/problems/longest-common-subsequence/solution/1143-zui-chang-gong-gong-zi-xu-lie-by-alexer-660/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
解法:动态规划
思路分析
图解
截屏2019-11-13下午4.40.21.png
数学归纳法(以下dp{str1,str2}代表对str1和str2求最长子序列)
1、text1 = "任意字符串"、 text2 = "任意字符串"
text1为单个字符,则所求为text1
如图所示,紫色字母
text1:B
text2:A、AB、ABA、ABAZ、ABAZD、ABAZDC
最长即为1
text1为多个字符,则
text1 = "......A"、text2= "..A/......A"
末尾字符相同
则所求最长公共子序列为
dp{ text1[n-1] , text2[n-1] } + 1
最后一个字符相同,则最长公共子序列一定有这个数
如图所示,左边笑脸和上面笑脸处
text1:BAC
text2:ABAZDC
最长即为:dp{ text1[B~A] , text2[A~D] } + 1 = 2 +1 = 3
text1 = "......A"、text2= "......B"
末尾字符不相同
则所求最长公共子序列为
Math.max( dp{ text1[n-1] , text2[n] } , dp{ text1[n] , text2[n-1] } )
如图所示
text1:BAC
text2:ABA
最长即为:Math.max( dp{ text1[B~A] , text2[A~A] } , dp{ text1[B~C] , text2[A~B] } ) = Math.max(2,1) = 2
2、归纳公式
设 s1 = text1
s2 = text2
row = s1.length
col = s2.length
dp[s1,s2]为求接方程
当 s1[row-1] != s2[row-1] 时
dp[s1,s2] = Max( dp[s1-1,s2] , dp[s1,s2-1] )
或者,考虑末尾字符都不要的情况
dp[s1,s2] = Max( dp[s1-1,s2] , dp[s1,s2-1] , dp[s1-1,s2-1] )
即要么两个字符串都不考虑最后一个字符,要么其中一个考虑最后一个字符
事实上前面dp[s1-1,s2]求解子问题时候,会包含dp[s1-1,s2-1],且最后一种末尾字符相同的情况下也包含此子问题
所以按照第一个dp[s1,s2]方程来即可。
当 s1[row-1] == s2[row-1] 时
dp[s1,s2] = dp[s1-1,s2-1] + 1
或者,考虑剩余所以可能子情况
dp[s1,s2] = Max( dp[s1-1,s2] , dp[s1,s2-1] , dp[s1-1,s2-1] , (dp[s1-1,s2-1] + 1) )
事实上,由以上分析可知
最后一个字符相同,则最长公共子序列一定有这个数
但是如果不考虑最后一个字符或者其中一个少考虑最后一个字符,
意味着求出的最长公共子序列可能会少一个
所以Max()里最大的一定是(dp[s1-1,s2-1] + 1)这种情况,即只需要第一个dp[s1,s2]方程即可。
let dp = Array.from(new Array(n+1),() => new Array(m+1).fill(0));
这里,Array.from返回的是一个长度为 n+1 的数组,这个数组每一个元素都是一个长度为 m+1 的数组,每个元素值为 0