- 递归的基本思路:
- 比较两个字符串的最后一个字符。如果相同,则这个字符一定属于最长公共子序列,然后在剩余的字符串上递归求解。
- 如果最后一个字符不相同,则分两种情况递归求解:
- 去掉
text1
的最后一个字符,保留text2
的所有字符。 - 去掉
text2
的最后一个字符,保留text1
的所有字符。
- 去掉
- 取两种情况的最大值作为最终结果。
- 递归的终止条件:
- 如果任一字符串为空,则公共子序列长度为0。
代码如下:
public class Solution {public int longestCommonSubsequence(String text1, String text2) {return lcs(text1, text2, text1.length(), text2.length());}private int lcs(String text1, String text2, int i, int j) {// 终止条件:任一字符串长度为0if (i == 0 || j == 0) {return 0;}// 递归计算if (text1.charAt(i - 1) == text2.charAt(j - 1)) {// 最后一个字符相同,是LCS的一部分return 1 + lcs(text1, text2, i - 1, j - 1);} else {// 最后一个字符不同,选择不包含text1[i-1]或text2[j-1]的最大LCSreturn Math.max(lcs(text1, text2, i - 1, j), lcs(text1, text2, i, j - 1));}}
}
动态规划是优化递归的方法,使用表格来存储中间结果,避免重复计算。
-
定义状态:
dp[i][j]
表示text1[0...i-1]
和text2[0...j-1]
的最长公共子序列的长度。
-
状态转移方程:
- 如果
text1[i-1] == text2[j-1]
,则dp[i][j] = dp[i-1][j-1] + 1
。 - 如果
text1[i-1] != text2[j-1]
,则dp[i][j] = max(dp[i-1][j], dp[i][j-1])
。
- 如果
-
初始化:
- 初始化
dp
数组,当i
或j
为0时,dp[i][j] = 0
,表示一个字符串为空。
- 初始化
-
填表顺序:
- 由于每个
dp[i][j]
依赖于左边、上边和左上角的值,因此应从上到下、从左到右填表。
- 由于每个
-
返回结果:
dp[text1.length()][text2.length()]
即为两个字符串的最长公共子序列的长度。
代码如下:
public int longestCommonSubsequence(String text1, String text2) {// 获取输入字符串的长度int m = text1.length(), n = text2.length();// 创建动态规划表,多出的一行一列用于处理边界情况,即某一字符串长度为0的情况int[][] dp = new int[m + 1][n + 1];// 填充动态规划表for (int i = 1; i <= m; i++) {for (int j = 1; j <= n; j++) {// 检查当前位置的字符是否相同if (text1.charAt(i - 1) == text2.charAt(j - 1)) {// 如果当前两个字符相同,那么这两个字符属于LCS的一部分// 因此dp[i][j]等于左上角的值加1dp[i][j] = dp[i - 1][j - 1] + 1;} else {// 如果当前两个字符不相同,则LCS长度取决于不包含当前字符的子问题的最大值// 即从左边或上边继承最大值dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);}}}// 返回最终结果,即整个字符串的最长公共子序列长度return dp[m][n];}