Longest Common Substring

最新推荐文章于 2021-09-18 13:17:01 发布

原创最新推荐文章于 2021-09-18 13:17:01 发布 · 685 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#leetcode

LeetCode 专栏收录该内容

7 篇文章

订阅专栏

本文介绍了一种使用动态规划解决字符串匹配问题的方法，特别关注于找到两个字符串之间的最长公共子串。通过逐步构建状态转移矩阵，我们能够高效地计算出所需答案，避免了暴力枚举带来的高时间复杂度。

Given two strings, find the longest common substring.
Return the length of it.

Note
The characters in substring should occur continiously in original string. This is different with subsequnce.
Example
Given A=“ABCD”, B=“CBCE”, return 2

很著名的LCS问题。我们需要得到最大长度的公共子串的长度。如果暴力破解的话，首先得枚举出A所有的子串和B所有的子串，再根据比较得到最大长度的公共子串的长度，复杂度太高。
因此想到DP解法。
这里dp[i][j]可不是表示A的前i个字符与B的前j个字符的LCS。因为substring是连续的，对于这种连续的问题DP实际是记录当前元素“取或不取”。
所以dp[i][j]的含义是含有A中第i个字符和B中第j个字符的LCS。
dp[i][j] = dp[i - 1][j - 1] + 1 if A[i] == B[j]
dp[i][j] = 0 if A[i] != B[j]

public class Solution {
    /**
     * @param A, B: Two string.
     * @return: the length of the longest common substring.
     */
    public int longestCommonSubstring(String A, String B) {
        // write your code here
        int[][] dp = new int[A.length() + 1][B.length() + 1];
        for(int i = 1; i < dp.length; i++){
            for(int j = 1; j < dp[0].length; j++){
                if(A.charAt(i - 1) == B.charAt(j - 1)){
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                }else{
                    dp[i][j] = 0;
                }
            }
        }
        int max = 0;
        for(int i = 0; i < dp.length; i++){
            for(int j = 0; j < dp[0].length; j++){
                max = Math.max(max, dp[i][j]);
            }
        }
        return max;
    }
}