【动态规划】 LeetCode #392 判断子序列

题目链接：

LeetCode #392 判断子序列

题目描述：

392. 判断子序列
     给定字符串 s 和 t ，判断 s 是否为 t 的子序列。

你可以认为 s 和 t 中仅包含英文小写字母。字符串 t 可能会很长（长度 ~= 500,000），而 s 是个短字符串（长度 <=100）。

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:
s = “abc”, t = “ahbgdc”

返回 true.

示例 2:
s = “axc”, t = “ahbgdc”

返回 false.

后续挑战 :

如果有大量输入的 S，称作S1, S2, … , Sk 其中 k >= 10亿，你需要依次检查它们是否为 T 的子序列。在这种情况下，你会怎样改变代码？

解决方案：

字符串的问题八成都能用动态规划解决，也是在leetcode上的“动态规划”标签里，但是这个题用其他思想算法效率更高。我是为了巩固动态规划的思想才去找的题，所以今天我们硬着头皮用动态规划做一下。

参考编辑距离那道题，那个题设 dp[i][j] 为把长度为 i 的 word1 转换成长度为 j 的 word2 所使用的的最少操作数，文章链接：
【动态规划】 LeetCode #72 编辑距离

本题我们设 dp[i][j] 为长度为 i 的 s 是长度为 j 的 t 的子序列，是为 true，不是为 false，最后应该返回 dp[s.length()][t.length()]。

状态转移方程式：
若字符相等，dp[i][j] = dp[i-1][j-1]
若字符不等，dp[i][j] = dp[i][j-1]

初始化：第一行都为 1，因为空串一定是 t 的子序列；第一列除了 dp[0][0] 外都为 0。

我们以 s = ‘abc’，t = ‘ahbgdc’ 为例：('0’表示false，'1’表示true)

如果字符相等，如计算 dp[2][3] ，其含义为 ‘ab’ 是否是 ‘ahb’ 的子序列，由于字符 ‘b’ 相等，这个问题也就转化为了 ‘a’ 是否是 ‘ah’ 的子序列，即 dp[i][j] = dp[i-1][j-1]。

如果字符不相等，试想一下什么情况下长度为 i 的 s 串还能是长度为 j 的 t 串的子序列呢？最后一位已经不等了，要想是子序列，除非在此之前的t串已经包含了长度为 i 的 s 串的所有字符。比如 dp[1][3] 的含义是 ‘a’ 是否是 ‘ahb’ 的子序列，‘a’ != ‘b’，那么我们就去看是否在此之前已经满足 ‘a’ 是子序列。因为 ‘a’ 是 ‘ah’ 的子序列，所以 ‘a’ 也是 ‘ahb’ 的子序列，即 dp[i][j] = dp[i][j-1]。（只需要看左边相邻的数据，不需要再往前看，因为 ‘a’ 是 ‘a’ 的子序列，那么 ‘a’ 也一定是 ‘ah’ 的子序列。）

代码：

/*
*参考编辑距离的题，那个题设 dp[i][j] 为把长度为 i 的 word1 转换成长度为 j 的 word2 所使用的的最少操作数
*本题我们设 dp[i][j] 为长度为 i 的 s 是长度为 j 的 t 的子序列，是为 1，不是为 0 
*最后返回的结果为 dp[s.length()][t.length()]
*若字符相等，dp[i][j] = dp[i-1][j-1]
*若字符不等，dp[i][j] = dp[i][j-1]
*初始化：第一行都为 1，因为空串一定是 t 的子序列；第一列除了 dp[0][0] 外都为 0
*/
class Solution {
    public boolean isSubsequence(String s, String t) {
        if(s.length() > t.length()) return false;
        if(s.length() == 0) return true;
        boolean[][] dp = new boolean[s.length() + 1][t.length() + 1];
        for(int j = 0; j <= t.length(); j++){
            dp[0][j] = true;//空串一定是 t 的子序列
        }
        for(int i = 1; i <= s.length(); i++){
            dp[i][0] = false;
            for(int j = 1; j <= t.length(); j++){
                if(s.charAt(i-1) == t.charAt(j-1)){
                    dp[i][j] = dp[i-1][j-1];
                }else{
                    dp[i][j] = dp[i][j-1];
                }
            }
        }
        return dp[s.length()][t.length()];
    }
}

注意，前面已经说过这个题用动态规划效率并不高，用两个指针等其他方式会更好，但是我是专门为了巩固动态规划的知识点才做的，所以采取了这个方法，这并不是本题的最优解，时间复杂度和空间复杂度都很高。