后端开发刷题 | 最长公共子序列(非连续)

描述

给定两个字符串str1和str2,输出两个字符串的最长公共子序列。如果最长公共子序列为空,则返回"-1"。目前给出的数据,仅仅会存在一个最长的公共子序列。

数据范围:0≤∣str1∣,∣str2∣≤2000

要求:空间复杂度 O(n2),时间复杂度 O(n2)

示例1

输入:

复制代码
"1A2C3D4B56","B1D23A456A"

返回值:

复制代码
"123456"

示例2

输入:

复制代码
"abc","def"

返回值:

复制代码
"-1"

示例3

输入:

复制代码
"abc","abc"

返回值:

复制代码
"abc"

示例4

输入:

复制代码
"ab",""

返回值:

复制代码
"-1"

思路分析:

求解两个字符串 s1 和 s2 的最长公共子序列(Longest Common Subsequence, LCS)的问题。最长公共子序列是指两个序列共有的子序列中长度最长的那一个,但它不一定要求连续。这个问题是动态规划的一个经典应用。

  1. 初始化变量 :
    • len1 和 len2 分别表示字符串 s1 和 s2 的长度。
    • 创建一个二维数组 dp,大小为 (len1 + 1) x (len2 + 1)。dp[i][j] 用于存储 s1 的前 i 个字符和 s2 的前 j 个字符之间的最长公共子序列。注意,这里使用 String[][] 而不是通常的 int[][],因为我们需要直接存储子序列的字符串形式,而不是仅仅存储长度。
    • 当 i == 0 或 j == 0 时,即任一字符串为空时,最长公共子序列显然为空字符串 ""。因此,初始化 dp 数组的第一行和第一列为空字符串。
  2. 状态转移 :
    • 遍历 s1 和 s2 的所有字符(从索引 1 开始,因为索引 0 已经初始化为空字符串)。
    • 如果当前字符相等(s1.charAt(i - 1) == s2.charAt(j - 1)),则最长公共子序列可以通过将当前字符添加到 dp[i-1][j-1] 的结果上来得到。这是因为当前字符在两个字符串中都出现,所以它可以被添加到之前的最长公共子序列中。
    • 如果当前字符不相等,则最长公共子序列要么是 dp[i-1][j](即不考虑 s1 的当前字符),要么是 dp[i][j-1](即不考虑 s2 的当前字符),取决于哪一个更长。
  3. 返回结果 :
    • 最终,dp[len1][len2] 存储了整个 s1 和 s2 的最长公共子序列。如果结果为空字符串(理论上不会发生,除非输入就是空字符串),则返回 "-1" 作为错误或特殊情况的指示。

代码:

java 复制代码
import java.util.*;

public class Solution {
    /**
     * longest common subsequence
     * @param s1 string字符串 the string
     * @param s2 string字符串 the string
     * @return string字符串
     */
    public String LCS (String s1, String s2) {
        int len1 = s1.length(), len2 = s2.length();
        // 明确状态: 当前需要处理的s1和s2分别前i和前j个元素
        // dp[i][j]表示从左到右,当处理到s1的第i个元素和s2的第j个元素时的公共子序列
        String[][] dp = new String[len1 + 1][len2 + 1];
        //当i==0或j==0的情况,dp[i][j]为"",因为空字符串没有公共子序列
        for (int i = 0; i <= len1; i++) {
            // j == 0
            dp[i][0] = "";
        }
        for (int j = 0; j <= len2; j++) {
            // i == 0
            dp[0][j] = "";
        }
        // 状态转移
        for (int i = 1; i <= len1; i++) {
            for (int j = 1; j <= len2; j++) {
                // 当前字符相等,则添加结果
                if (s1.charAt(i - 1) == s2.charAt(j - 1)) {
                    dp[i][j] = dp[i - 1][j - 1] + s1.charAt(i - 1);
                } else {
                    // 当前字符不相等,则还需要分两种情况,取长度较长的情况
                    dp[i][j] = dp[i - 1][j].length() > dp[i][j - 1].length() ? dp[i - 1][j] :
                               dp[i][j - 1];
                }
            }
        }
        return dp[len1][len2] == "" ? "-1" : dp[len1][len2];
    }
}
相关推荐
码事漫谈9 小时前
以后人人都可以成为导演
后端
Resean02239 小时前
Spring 源码分析(二)配置类的解析与扫描
java·后端·spring
一只爱撸猫的程序猿9 小时前
五周、两个开源仓库、九次拦截之后:AI 时代程序员缺的到底是什么
人工智能·后端·开源
小毛球.9 小时前
第 3 篇:IDEA 最新版下载与完整安装教程(Mac)
java·macos·intellij-idea·idea
ShineWinsu10 小时前
对于Qt:QFormLayout常见属性以及方法的解析
开发语言·c++·qt·面试·客户端·表单·qformlayout
罗西的思考10 小时前
【轻量化复刻大模型 / KIMI K3】Muon 优化器及 训练系统
人工智能·算法·机器学习
北城笑笑10 小时前
Vue 110 ,若依SSE流式接口限次空500排查与解决
前端·javascript·vue.js·后端·vue
Misnearch11 小时前
ScheduledExecutorService
java·线程池
ServBay11 小时前
Local harness 将退役,VS Code 本地开发要不要搬到云端?
后端·ai编程·visual studio code
ashiho11 小时前
【LeetCode hot 100】3. 无重复字符的最长子串 (三种解法)
java·数据结构·后端·算法·leetcode·滑动窗口