LeetCode hot 100—最长公共子序列

题目

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

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 。

分析

为了找出两个字符串 text1 和 text2 的最长公共子序列的长度,可以使用动态规划的方法。动态规划通过构建一个二维数组来记录两个字符串不同位置的公共子序列长度。

动态规划

代码解释

动态规划数组 dp

  • dp[i][j] 表示 text1 的前 i 个字符和 text2 的前 j 个字符的最长公共子序列的长度。
  • 初始化 dp 数组为 0。

填充 dp 数组

  • 遍历 text1 和 text2 的每个字符。
  • 如果 text1[i - 1] 等于 text2[j - 1],则 dp[i][j] 等于 dp[i - 1][j - 1] + 1
  • 如果 text1[i - 1] 不等于 text2[j - 1],则 dp[i][j] 等于 std::max(dp[i - 1][j], dp[i][j - 1])

返回结果

  • 最终结果存储在 dp[m][n] 中,其中 m 和 n 分别是 text1 和 text2 的长度。

时间复杂度:O(m\times n),m 和 n 分别是字符串 text1 和 text2 的长度

空间复杂度:O(m\times n)

class Solution {
public:
    int longestCommonSubsequence(string text1, string text2) {
        int m = text1.length();
        int n = text2.length();
        // 创建一个二维数组 dp 用于记录公共子序列的长度
        std::vector<std::vector<int>> dp(m + 1, std::vector<int>(n + 1, 0));
        // 填充 dp 数组
        for (int i = 1; i <= m; ++i) {
            for (int j = 1; j <= n; ++j) {
                if (text1[i - 1] == text2[j - 1]) {
                    // 如果当前字符相等,则公共子序列长度加 1
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                } else {
                    // 如果当前字符不相等,则取两种情况的最大值
                    dp[i][j] = std::max(dp[i - 1][j], dp[i][j - 1]);
                }
            }
        }
        // 返回最长公共子序列的长度
        return dp[m][n];
    }
};    
### LeetCode 最长公共子序列问题的解决方案 解决LeetCode上的最长公共子序列(LCS)问题通常采用动态规划方法。以下是详细的解答过程以及Python实现。 #### 动态规划的核心思路 定义一个二维数组 `dp`,其中 `dp[i][j]` 表示字符串 `text1[:i]` 和 `text2[:j]` 的最长公共子序列长度。状态转移方程可以表示为: - 如果 `text1[i-1] == text2[j-1]`,则有: \[ dp[i][j] = dp[i-1][j-1] + 1 \] - 否则,取两者中的最大值: \[ dp[i][j] = \max(dp[i-1][j], dp[i][j-1]) \] 初始条件为当任意一方为空串时,其公共子序列为零,即 `dp[0][j] = 0` 和 `dp[i][0] = 0` 对于所有的 \( i, j \geq 0 \)[^1]。 #### Python 实现代码 下面是基于上述逻辑的Python实现: ```python def longestCommonSubsequence(text1: str, text2: str) -> int: m, n = len(text1), len(text2) # 创建DP表并初始化 dp = [[0] * (n + 1) for _ in range(m + 1)] # 填充DP表 for i in range(1, m + 1): for j in range(1, n + 1): 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[m][n] ``` 此函数接受两个字符串作为输入参数,并返回它们之间的最长公共子序列的长度[^3]。 #### 示例运行 考虑以下测试用例及其解释: - 输入 `text1 = "abcde"` 和 `text2 = "ace"`,输出应为 `3`,因为最长公共子序列是 `"ace"`[^2]。 - 当两字符串完全相同时,例如 `text1 = "abc"` 和 `text2 = "abc"`,结果亦为其长度 `3`。 - 若无任何共同字符存在,则如例子三所示,返回值应当为 `0`[^4]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

rigidwill666

你的鼓励将是我创作的最大动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值