add: chapter7

2026-06-03 08:16:43 +08:00 · 2020-06-21 15:07:42 +08:00
parent b1bfe1f1d8
commit d8eaeb59ff
1 changed files with 67 additions and 0 deletions
@@ -0,0 +1,67 @@
+#!/usr/bin/env python
+# coding=utf-8
+
+#######################################################################################
+# leecode 1143 最长公共子序列
+#
+# 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。
+# 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。
+# 若这两个字符串没有公共子序列，则返回0。
+#
+# 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。
+#######################################################################################
+
+class Solution:
+    def longestCommonSubsequence(self, text1, text2):
+        """
+        :type text1:str
+        :type text2:str
+        :rtype int
+
+        (knowledge)
+
+        思路：
+        1. 使用动态规划；
+        2. 定义状态：dp[i][j] => 表示text1的前i个字符构成的子串和text2的前j个字符构成的子串的最长公共子序列长度；
+        3. base case => dp[0][...]和dp[...][0]都应该为0，表示其中一个串为空串的情况下，最长公共子序列长度自然为0；
+        4. 状态转移方程如下：
+            f(i, j) = 0                                         i == 0 || j == 0
+                      f(i - 1, j - 1) + 1                       i > 0 && j > 0 && text1[i] == text2[j]
+                      max{f(i - 1, j), f(i, j - 1)}             i > 0 && j > 0 && text1[i] != text2[j]
+
+        tip: 可以参考这边的分析 => https://labuladong.gitbook.io/algo/dong-tai-gui-hua-xi-lie/zui-chang-gong-gong-zi-xu-lie
+        """
+        m, n = len(text1), len(text2)
+        # 初始化dp数组
+        dp = [[0] * (n + 1) for i in range(m + 1)]
+
+        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]
+
+
+if __name__ == '__main__':
+    solution = Solution()
+    print(solution.longestCommonSubsequence("abcde", "ace"), "\n= 3")
+    print(solution.longestCommonSubsequence("abc", "abc"), "\n= 3")
+    print(solution.longestCommonSubsequence("abc", "def"), "\n= 0")
+