dp4-力扣-java-最长递增子序列+ 最长公共子序列

最新推荐文章于 2025-04-21 22:09:55 发布

原创最新推荐文章于 2025-04-21 22:09:55 发布 · 375 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#动态规划

动态规划专栏收录该内容

11 篇文章

订阅专栏

本文深入解析了两道动态规划的经典题目：最长递增子序列和最长公共子序列。通过详细的代码实现，展示了如何利用动态规划解决这类问题，为读者提供了理解和掌握动态规划算法的实践案例。

class Solution {
    public int lengthOfLIS(int[] nums) {
        if(nums.length<2) return nums.length;
        int n=nums.length;
        int res=0;
        int []dp=new int[n];//dp[i]表示以nums[i]结尾的「上升子序列」的长度
        Arrays.fill(dp,1);
        for(int i=0;i<n;i++){
            for(int j=0;j<i;j++){
                if(nums[j]<nums[i]){
                    dp[i]=Math.max(dp[i],dp[j]+1);
                }
            }
            res=Math.max(res,dp[i]);
        }
        return res;
    }
}
//https://leetcode-cn.com/problems/longest-increasing-subsequence/solution/dong-tai-gui-hua-er-fen-cha-zhao-tan-xin-suan-fa-p/

class Solution {
    public int longestCommonSubsequence(String text1, String text2) {
        int m=text1.length(),n=text2.length();
        //dp[i][j] 表示text1[0~i-1]和text2[0~j-1]的最长公共子序列长度
        int [][]dp=new int[m+1][n+1];
        for(int i=1;i<=m;i++){
            for(int j=1;j<=n;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[m][n];
    }
}