最长公共子序列
大约 2 分钟
最长公共子序列
题目描述
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。
解题步骤
为了找到最长公共子序列的长度,我们可以使用动态规划的思想来解决问题。
定义状态:我们可以将问题转化为对于每个字符对
(i, j)
,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。令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。初始状态:根据题目的约束,当
i
或j
为0
时,意味着一个字符串为空,那么最长公共子序列的长度为0
。因此,初始状态为dp[i][0] = 0
和dp[0][j] = 0
。状态转移方程:对于每个字符对
(i, j)
,如果text1[i]
等于text2[j]
,那么它们必然属于最长公共子序列。因此,我们可以通过将text1[i]
和text2[j]
添加到已知的最长公共子序列的末尾来获得一个更长的公共子序列。即dp[i][j] = dp[i-1][j-1] + 1
。如果text1[i]
不等于text2[j]
,则需要选择text1
的前i-1
个字符和text2
的前j
个字符的最长公共子序列,以及text1
的前i
个字符和text2
的前j-1
个字符的最长公共子序列中的较大值。即dp[i][j] = max(dp[i-1][j], dp[i][j-1])
。最终解:问题的解即为
dp[m][n]
,其中m
是text1
的长度,n
是text2
的长度。
下面是使用动态规划解决最长公共子序列问题的算法框架:
function longestCommonSubsequence(text1, text2) {
const m = text1.length;
const 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++) {
for (let j = 1; j <= n; j++) {
if (text1[i - 1] === text2[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];
}