力扣1143. 最长公共子序列

slowfastflow

于 2024-01-26 22:35:43 发布

阅读量637

点赞数 11

CC 4.0 BY-SA版权

分类专栏：力扣实践文章标签： leetcode 算法职场和发展

本文链接：https://blog.csdn.net/N_BenBird/article/details/135875994

力扣实践专栏收录该内容

148 篇文章

订阅专栏

本文介绍了如何利用动态规划算法解决字符串文本1和文本2之间的最长公共子序列问题，详细阐述了状态转移方程和Solution类中的函数实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

动态规划

思路：
- 假设 dp[i][j] 是 text1[0:i] 和 text2[0:j] 最长公共子序列的长度；
- 则 dp[0][j] = 0，（空字符串和任何字符串的最长公共子序列的长度都是 0）；
- 同理 dp[i][j] = 0；
- 状态转移方程：
  - 当 text1[i - 1] = text2[j - 1] 时，dp[i][j] = dp[i - 1][j - 1] + 1；
  - 否则 dp[i][j] 取 dp[i - 1][j]、dp[i][j - 1] 中值大的；

class Solution {
public:
    int longestCommonSubsequence(string text1, string text2) {
        int m = text1.length();
        int n = text2.length();

        std::vector<std::vector<int>> dp(m + 1, std::vector<int>(n + 1));
        for (int i = 1; i <= m; ++i) {
            char c1 = text1.at(i - 1);
            for (int j = 1; j <= n; ++j ) {
                char c2 = text2.at(j - 1);
                if (c1 == c2) {
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                } else {
                    dp[i][j] = std::max(dp[i - 1][j], dp[i][j - 1]);
                }
            }
        }

        return dp[m][n];
    }
};

——————————————————————————————————