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。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 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 。
思路:
1.定义dp数组:这里的dp数组用于表示text1[i]位置和text2[j]位置上存在的最大公共子序列;
2.确定动态规划转移方程:这里的动态规划转移方程需要分两种情况:
第一种情况:如果text1[i] == text2[j],也就是这两字符串的最后1位相等,那么问题就转化成了字符串text1[1,i-1]和text2[1,j-1]区间的最长公共子序列长度+1,即 dp[i][j] = dp[i-1][j-1] + 1 ;
第二种情况:如果text1[i] 和 text2[j]不相等,那么text[1,i-1]和text[1,j-1]区间的最长公共子序列长度无法延长,那么dp[i][j]就应该是dp[i-1][j]和dp[i][j-1]二者中的最大值,而不能再+1;
3.确定dp初始值:这里我们不妨在创建dp数组时,传入长度分别为text1.length+1、text2.length+1,都填充为0。然后我们从索引1位置开始进行for循环,这样做的好处就是可以省去了初始化的步骤,相当于text[0]为空串,空串和任意字符串的最长子序列都为0,那么我们就可以省略的dp[0][1] = 0 , dp[1][0] = 0这两步;
4.确定遍历顺序:由于后一个字符位置的最长子序列需要由前一个推导出来,那么很自然的就是需要从前往后遍历;
动态规划转移方程第二种情况理解:
如果这两个位置上的字符不相等,那么当前位置字符的最大子序列就应该要么是text1[1,i-1],text2[1,j]或者是text1[1,i],text2[1,j-1]这个区间的字符的最大公共子串
代码:
var longestCommonSubsequence = function(text1, text2) {
let m = text1.length ; n = text2.length ;
const dp = new Array(m+1).fill(0).map(()=> new Array(n+1).fill(0))
for(let i = 1 ; i <= m ; i++) {
const c1 = text1[i-1]
for(let j = 1 ; j <= n ; j++) {
const c2 = text2[j-1]
if(c1 == c2) {
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]
};