目录
一、做题心得
今天打卡的题目和昨天的题关联性很强,都是解决子序列这一类问题。总体来说难度不大,今天的题思路上来说基本都是一致的,都可通过动态规划来解决这一问题。
话不多说,直接开始今天的内容。
二、题目与题解
题目一:1143.最长公共子序列
题目链接
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。如果不存在 公共子序列 ,返回0
。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。
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 。提示:
1 <= text1.length, text2.length <= 1000
text1
和text2
仅由小写英文字符组成。
题解:动态规划
这道题算是昨天打卡的 718. 最长重复子数组 - 力扣(LeetCode)的进阶版了吧,思路上是一致的,但是这里公共子序列可以是不连续元素组合(重复子数组是连续的),那么就会变得复杂一点。
同昨天一样,这里的 dp[i][j] 表示 text1 的前 i 个字符(0, i-1)和 text2 的前 j 个字符(0, j-1)的最长公共子序列的长度。
不同的地方:
我们不仅要考虑当前字符匹配(相同)的情况:直接在之前的公共子序列长度(即 dp[i - 1][j - 1])基础上加 1,即在原有基础上多了一个公共字符。
还需要知道当前字符不匹配(相同)的情况:这时候需要忽略当前元素 text1[i] 或者 text2[j] 。取 text1 的前 i-1 个字符和 text2 的前 j 个字符的最长公共子序列的长度 与 text1 的前 i 个字符和 text2 的前 j-1 个字符的最长公共子序列的长度 的最大值。
if (text1[i - 1] == text2[j - 1]) { //如果当前字符相同
dp[i][j] = dp[i - 1][j - 1] + 1;
}
else { //如果字符不相同,我们不能将当前字符包含在公共子序列中
dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);
}
完整代码如下:
class Solution {
public:
int longestCommonSubsequence(string text1, string text2) {
int n = text1.size();
int m = text2.size();
vector<vector<int>> dp(n + 1, vector<int>(m + 1, 0)); //dp[i][j] 表示 text1 的前 i 个字符(0, i-1)和 text2 的前 j 个字符(0, j-1)的最长公共子序列的长度
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= m; j++) {
if (text1[i - 1] == text2[j - 1]) { //如果当前字符相同
dp[i][j] = dp[i - 1][j - 1] + 1; //在之前的公共子序列长度(即 dp[i - 1][j - 1])基础上加 1,得到新的公共子序列长度 dp[i][j]
}
else { //如果字符不相同,我们不能将当前字符包含在公共子序列中
dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]); //取:text1 的前 i-1 个字符和 text2 的前 j 个字符的最长公共子序列的长度 与 text1 的前 i 个字符和 text2 的前 j-1 个字符的最长公共子序列的长度 的最大值
}
}
}
return dp[n][m];
}
};
题目二:1035.不相交的线
题目链接
在两条独立的水平线上按给定的顺序写下
nums1
和nums2
中的整数。现在,可以绘制一些连接两个数字
nums1[i]
和nums2[j]
的直线,这些直线需要同时满足:
nums1[i] == nums2[j]
- 且绘制的直线不与任何其他连线(非水平线)相交。
请注意,连线即使在端点也不能相交:每个数字只能属于一条连线。
以这种方法绘制线条,并返回可以绘制的最大连线数。
示例 1:
输入:nums1 = [1,4,2], nums2 = [1,2,4] 输出:2 解释:可以画出两条不交叉的线,如上图所示。 但无法画出第三条不相交的直线,因为从 nums1[1]=4 到 nums2[2]=4 的直线将与从 nums1[2]=2 到 nums2[1]=2 的直线相交。示例 2:
输入:nums1 = [2,5,1,2,5], nums2 = [10,5,2,1,5,2] 输出:3示例 3:
输入:nums1 = [1,3,7,1,7,5], nums2 = [1,9,2,5,1] 输出:2提示:
1 <= nums1.length, nums2.length <= 500
1 <= nums1[i], nums2[j] <= 2000
题解:动态规划
这道题其实和上一道题是一样的,我们需要先理解题意:这里的连线就是相同元素的匹配,连线不能相交即表明元素匹配必须按照顺序进行,即不能改变元素本来的顺序,那么就相当于求两数组的最长公共子序列。
同上题,代码如下:
class Solution {
public:
int maxUncrossedLines(vector<int>& nums1, vector<int>& nums2) {
int n = nums1.size();
int m = nums2.size();
vector<vector<int>> dp(n + 1, vector<int>(m + 1, 0)); //dp[i][j] 表示 nums1 的前 i 个字符(0, i-1)和 nums2 的前 j 个字符(0, j-1)的最长公共子序列的长度
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= m; j++) {
if (nums1[i - 1] == nums2[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[n][m];
}
};
题目三:53. 最大子序和
题目链接
给你一个整数数组
nums
,请你找出一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。子数组
是数组中的一个连续部分。示例 1:
输入:nums = [-2,1,-3,4,-1,2,1,-5,4] 输出:6 解释:连续子数组 [4,-1,2,1] 的和最大,为 6 。示例 2:
输入:nums = [1] 输出:1示例 3:
输入:nums = [5,4,-1,7,8] 输出:23提示:
1 <= nums.length <= 105
-104 <= nums[i] <= 104
题解1:贪心
这道题曾在之前的贪心章节打卡里边出现过,这里就不过多说明了。
贪心思想:一旦前面多个元素求和为负数,直接跳过从下一个元素开始重新记录新子数组
代码如下:
class Solution {
public:
int maxSubArray(vector<int> &nums) {
int ans = INT_MIN; //类似寻找最大最小值的题目,初始值一定要定义成理论上的最小最大值
int n = nums.size();
int sum = 0; //记录当前子数组元素的和
for (int i = 0; i < n; i++) {
sum += nums[i]; //不断添加元素,改变当前子数组的和(每次添加完元素求和都与原最大值比较并判断是否小于0)
ans = max(ans, sum); //不断更新结果:取较大值
if (sum < 0) { //关键:前面元素求和为负数,直接跳过从下一个元素重新开始记录新的子数组(加上负数肯定变小)
sum = 0;
}
}
return ans;
}
};
题解2:动态规划
由于昨天打卡了这类子序列的题目,这道题使用动态规划的思路还是比较简单的。
dp[i]:以位置 i 结尾的最大连续子序列和为 dp[i]。这里依旧进行强调,dp[i] 是明确以位置 i 结尾,而不是 i 之前任意位置结尾。
然后就是动规递推式:dp[i] = max(dp[i - 1] + nums[i], nums[i]); 这里只需要考虑两种情况:1.nums[i]承接前边的,加入当前连续子序列和;2.以nums[i]开始,从头开始计算当前连续子序列和。
代码如下:
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int n = nums.size();
if (n == 1) {
return nums[0];
}
vector<int> dp(n, 0); //dp[i]:以位置 i 结尾的最大连续子序列和为 dp[i]
dp[0] = nums[0];
int ans = dp[0]; //初始化结果变量为dp[0] -- 结果就是以所有位置结尾的最大子序列和的最大值
for (int i = 1; i < n; i++) {
dp[i] = max(dp[i - 1] + nums[i], nums[i]); //两种情况:1.nums[i]承接前边的,加入当前连续子序列和;2.以nums[i]开始,从头开始计算当前连续子序列和
ans = max(ans, dp[i]);
}
return ans;;
}
};
题目四:392.判断子序列
题目链接
给定字符串 s 和 t ,判断 s 是否为 t 的子序列。
字符串的一个子序列是原始字符串删除一些(也可以不删除)字符而不改变剩余字符相对位置形成的新字符串。(例如,
"ace"
是"abcde"
的一个子序列,而"aec"
不是)。示例 1:
输入:s = "abc", t = "ahbgdc" 输出:true示例 2:
输入:s = "axc", t = "ahbgdc" 输出:false提示:
0 <= s.length <= 100
0 <= t.length <= 10^4
- 两个字符串都只由小写字符组成。
题解1:双指针
这道题其实第一感觉就是该用双指针。
对于这类判断正误的问题,我们可以转换为其他形式的判断,不一定需要直接就进行判断。
我们定义两个指针 i 和 j :i 记录遍历到的 s 的位置,j 记录遍历到的 t 的位置。
一旦 t 中出现于 s 相匹配的字符,i 就往后进一位,而 j 只要循环遍历一次都得往后移一位,因为我们是要在 t 中寻找到 s 的所有元素(按顺序)。
代码如下(也是成功和官解一样):
class Solution {
public:
bool isSubsequence(string s, string t) {
int n = s.size();
int m = t.size();
int i = 0, j = 0; //双指针:i 记录遍历到的 s 的位置,j 记录遍历到的 t 的位置
while (i < n && j < m) {
if (s[i] == t[j]) { //当前字符匹配时,移动 i 指针
i++;
}
j++; //每次循环都移动 j 指针
}
return i == n; //若 i 指针遍历完了整个字符串 s,则说明 t 中含有子序列 s
}
};
题解2:动态规划
这道题使用动态规划本是没必要的,但这道题其实和今天打卡的第一题 1143. 最长公共子序 有很大的相似处。
这里就可以看成寻找两者的最长公共子序列,但是这里相当于已经确定了最长公共子序列只能是 s ,如果满足,则 true ;否则,false。确定了最长公共子序列是 s 之后,需要注意的是,当前字符不匹配时,我们只需要将 t 的元素后移,即忽略 t 当前的元素(因为我们的目标就是在 t 中按顺序寻得 s 的所有字符,所有不能移动 s 的元素),即:
dp[i][j] = dp[i][j - 1]
完整代码如下:
class Solution {
public:
bool isSubsequence(string s, string t) {
int n = s.size();
int m = t.size();
if (n == 0) { //如果 s 是空字符串,则 s 是任何字符串的子序列
return true;
}
vector<vector<int>> dp(n + 1, vector<int>(m + 1, 0)); //dp[i][j]表示以下标 i-1 为结尾的字符串s和以下标 j-1 为结尾的字符串 t 相同子序列的长度
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= m; j++) {
if (s[i - 1] == t[j - 1]) { //当前字符匹配
dp[i][j] = dp[i - 1][j - 1] + 1; //相同子序列长度在原有基础上+1
}
else { //当前字符不匹配,我们不能将字符串 s 的第 i 个字符包含在当前子序列中
dp[i][j] = dp[i][j - 1]; //忽略当前 t 的字符 t[j - 1],保持子序列长度不变,保证字符串 s 的前 i 个字符是否为字符串 t 的前 j - 1 个字符的子序列
}
}
}
return n == dp[n][m];
}
};
三、小结
今天的题目作为昨天题目的延续,也是运用到了共同的思想,即如何通过动态规划来实现这些子序列问题。至此,今天的打卡到此结束,后边也会继续加油!