不同的子序列-java

最新推荐文章于 2024-07-15 22:27:18 发布

liaoliao0513

最新推荐文章于 2024-07-15 22:27:18 发布

阅读量975

点赞数 39

文章标签： java 算法

本文链接：https://blog.csdn.net/2301_80661536/article/details/137527818

版权

文章讲述了如何通过动态规划方法解决字符串s中的子序列与给定字符串t的匹配次数问题，定义了状态数组dp并详细阐述了状态转移规则，以高效地计算出结果，时间复杂度为O(mn)。

摘要由CSDN通过智能技术生成

题目描述(力扣题库115):
- 给你两个字符串 s 和 t ，统计并返回在 s 的子序列中 t 出现的个数，结果需要对 109 + 7 取模。
  
  示例 1：
```
输入：s = "rabbbit", t = "rabbit"输出：3
解释：
如下所示, 有 3 种可以从 s 中得到 "rabbit" 的方案。rabbbitrabbbitrabbbit
```
解题思想:
- 动态规划 :
- 当解决动态规划问题时，通常需要定义一个状态数组来存储中间结果。在这个问题中，我们使用二维数组 `dp` 来表示状态。`dp[i][j]` 表示在字符串 `s` 的子串 `s[i:]` 中出现字符串 `t` 的子串 `t[j:]` 的次数。
  
  首先，我们从字符串的末尾开始向前遍历。这是因为我们需要依赖后面的状态来计算当前状态。我们将 `dp[i][t.length()]` 初始化为 1，因为对于任何非空字符串 `s`，其末尾与空字符串匹配的次数都是 1。
  
  然后，我们从 `s` 和 `t` 的末尾开始逐个字符进行比较。如果 `s[i]` 与 `t[j]` 相等，则意味着我们有两种选择：
  
  1. 保留 `s[i]`，并且尝试匹配 `s[i + 1:]` 和 `t[j + 1:]`，所以此时的状态转移方程为 `dp[i][j] = dp[i + 1][j + 1]`。
  2. 匹配 `s[i]` 和 `t[j]`，然后尝试匹配 `s[i + 1:]` 和 `t[j:]`，所以此时的状态转移方程为 `dp[i][j] += dp[i + 1][j]`。
  
  如果 `s[i]` 与 `t[j]` 不相等，则意味着我们不能匹配当前字符，只能选择保留 `s[i]` 并尝试匹配 `s[i + 1:]` 和 `t[j:]`，所以状态转移方程为 `dp[i][j] = dp[i + 1][j]`。
  
  通过不断地更新状态数组 `dp`，最终我们就可以得到整个字符串 `s` 和 `t` 的子序列匹配次数，即 `dp[0][0]`。
  
  这种动态规划的解法利用了子问题的重叠性质，避免了重复计算，从而实现了高效的解决方案。

解题步骤:

初始化状态数组：
- 创建一个二维数组 dp，其大小为 (s.length() + 1) × (t.length() + 1)。
- 初始化 dp[i][t.length()] = 1，表示任何非空字符串 s 的末尾与空字符串匹配的次数都是 1。
逆向遍历字符串：
- 从 s 和 t 的末尾开始向前遍历字符。
- 遍历的范围是 i = s.length() - 1 到 0，以及 j = t.length() - 1 到 0。
状态转移：
- 对于当前位置 (i, j)，判断 s[i] 和 t[j] 是否相等：
  - 如果相等，则有两种选择：
    - 保留 s[i]，并尝试匹配 s[i + 1:] 和 t[j + 1:]，更新状态：dp[i][j] = dp[i + 1][j + 1]。
    - 匹配 s[i] 和 t[j]，并尝试匹配 s[i + 1:] 和 t[j:]，更新状态：dp[i][j] += dp[i + 1][j]。
  - 如果不相等，则只能保留 s[i]，并尝试匹配 s[i + 1:] 和 t[j:]，更新状态：dp[i][j] = dp[i + 1][j]。
返回结果：
最终的结果存储在 dp[0][0] 中，表示整个字符串 s 和 t 的子序列匹配次数。

通过以上步骤，可以得到字符串 s 和 t 的子序列匹配次数。这个算法的时间复杂度为 O(mn)，其中 m 是字符串 s 的长度，n 是字符串 t 的长度。

以下是代码实现:

class Solution {
    public int numDistinct(String s, String t){
        if(s.length() < t.length()) return 0;

        int[][] dp = new int[s.length() + 1][t.length() + 1];
        for (int i = 0; i <= s.length(); i++) {
            dp[i][t.length()] = 1;
        }

        for (int i = s.length() - 1; i >= 0; i--) {
            for (int j = t.length() - 1; j >= 0; j--) {
                if(s.charAt(i) == t.charAt(j))
                    dp[i][j] = dp[i + 1][j + 1] + dp[i + 1][j];
                else
                    dp[i][j] = dp[i + 1][j];
            }
        }
        return dp[0][0];
    }
}