本文共 1694 字，大约阅读时间需要 5 分钟。
为了解决这个问题，我们需要找到两个字符串通过删除一些字符后，使得它们相等，并且删除的字符的ASCII码之和最小。我们可以使用动态规划的方法来解决这个问题。
我们定义一个二维数组 dp，其中 dp[i][j] 表示处理到 s1 的前 i 个字符和 s2 的前 j 个字符时，已经找到的最长公共子序列的长度。我们需要找到使得两个字符串相等所需删除字符的ASCII码之和的最小值。
状态转移方程如下：
s1[i-1] 等于 s2[j-1]，那么 dp[i][j] = dp[i-1][j-1]。s1[i-1] 不等于 s2[j-1]，那么 dp[i][j] 取删除 s1 中的字符或 s2 中的字符的最小值，即 dp[i+1][j] + s1[i] 和 dp[i][j+1] + s2[j] 中的较小者。初始化时，dp[i1][i2] 和 dp[i2][i1] 为0，因为当两个字符串都处理完时，总和为0。
public class Number_712 { public int minimumDeleteSum(String s1, String s2) { int i1 = s1.length(); int i2 = s2.length(); int[][] dp = new int[i1 + 1][i2 + 1]; dp[i1][i2] = 0; // 当两个字符串都处理完时，总和是0 // 初始化第一行和第一列 for (int i = i1; i > 0; i--) { dp[i][i2] = dp[i + 1][i2] + (int) s1.charAt(i - 1); } for (int j = i2; j > 0; j--) { dp[i1][j] = dp[i1][j + 1] + (int) s2.charAt(j - 1); } // 填充dp表 for (int i = i1 - 1; i >= 0; i--) { for (int j = i2 - 1; j >= 0; j--) { if (s1.charAt(i) == s2.charAt(j)) { dp[i][j] = dp[i + 1][j + 1]; } else { int option1 = dp[i + 1][j] + (int) s1.charAt(i); int option2 = dp[i][j + 1] + (int) s2.charAt(j); dp[i][j] = Math.min(option1, option2); } } } return dp[0][0]; }} dp，其大小为 (i1 + 1) x (i2 + 1)，其中 i1 和 i2 分别是两个字符串的长度。dp[i1][i2] 和 dp[i2][i1] 初始化为0，因为当两个字符串都处理完时，总和为0。s1 的所有字符和 s2 的所有字符，计算删除这些字符后的总和。dp 表格：从后向前填充 dp 表格，比较当前字符是否相等，决定删除哪个字符或继续匹配下一个字符。dp[0][0]，即处理完所有字符后的最小删除总和。这种方法使用动态规划，时间复杂度为 O(n * m), 其中 n 和 m 分别是两个字符串的长度，适用于较大的输入规模。
转载地址：http://woqn.baihongyu.com/