最长重复子数组
Input: nums1 = [1,2,3,2,1], nums2 = [3,2,1,4,7]
Output: 3
Explanation: The repeated subarray with maximum length is [3,2,1].
dp[i][j] :以下标i - 1为结尾的A,和以下标j - 1为结尾的B,最长重复子数组长度为dp[i][j]。 (特别注意: “以下标i - 1为结尾的A” 标明一定是 以A[i-1]为结尾的字符串 )
注意这里i,j遍历从1开始,这是为了方便i=0,j=0的out of index之后情况处理会比较麻烦
class Solution {
public int findLength(int[] nums1, int[] nums2) {
int[][] dp = new int[nums1.length+1][nums2.length+1];
int maxLength = 0;
for (int i = 1; i <= nums1.length; i++) {
for (int j = 1; j <= nums2.length; j++) {
if (nums1[i-1] == nums2[j-1]) {
dp[i][j] = dp[i-1][j-1]+1;
maxLength = Math.max(dp[i][j], maxLength);
}
}
}
return maxLength;
}
}
时间复杂度:O(n × m),n 为A长度,m为B长度
空间复杂度:O(n × m)
1143.最长公共子序列
Input: text1 = “abcde”, text2 = “ace”
Output: 3
Explanation: The longest common subsequence is “ace” and its length is 3.
经典题,记背!!!!!
- 注意从1开始遍历
- dp[i][j]:长度为[0, i - 1]的字符串text1与长度为[0, j - 1]的字符串text2的最长公共子序列长度为dp[i][j]
- i-1和j-1相同,找到公共元素(abcd e和ac e)
- i-1和j-1不相同 ,如abc d和ac e,就找(abcd和ac)与(abc和ace)的最大值,考虑新添加的元素会不会与其他的元素相同从而增加最大长度。
class Solution {
public int longestCommonSubsequence(String text1, String text2) {
int[][] dp = new int[text1.length()+1][text2.length()+1];
for (int i = 1; i <= text1.length(); i++) {
for (int j = 1; j <= text2.length(); j++) {
if (text1.charAt(i-1) == text2.charAt(j-1)) {
dp[i][j] = dp[i-1][j-1]+1;
} else {
dp[i][j] = Math.max(dp[i-1][j], dp[i][j-1]);
}
}
}
return dp[text1.length()][text2.length()];
}
}
时间复杂度: O(n * m),其中 n 和 m 分别为 text1 和 text2 的长度
空间复杂度: O(n * m)
1035.不相交的线
Input: nums1 = [1,4,2], nums2 = [1,2,4]
Output: 2
Explanation: We can draw 2 uncrossed lines as in the diagram.
We cannot draw 3 uncrossed lines, because the line from nums1[1] = 4 to nums2[2] = 4 will intersect the line from nums1[2]=2 to nums2[1]=2.
class Solution {
public int maxUncrossedLines(int[] nums1, int[] nums2) {
int[][] dp = new int[nums1.length+1][nums2.length+1];
for (int i = 1; i <= nums1.length; i++) {
for (int j = 1; j <= nums2.length; j++) {
if (nums1[i-1] == nums2[j-1]) {
dp[i][j] = dp[i-1][j-1]+1;
} else {
dp[i][j] = Math.max(dp[i-1][j], dp[i][j-1]);
}
}
}
return dp[nums1.length][nums2.length];
}
}
53. 最大子序和
dp[i]:包括下标i(以nums[i]为结尾)的最大连续子序列和为dp[i]。
dp[i]:1. 之前的值为正,是可以增加子序和的。
2. 之前的为负,没有当前值本身直接算大。
class Solution {
public int maxSubArray(int[] nums) {
int[] dp = new int[nums.length];
dp[0] = nums[0];
int res = nums[0];
for (int i = 1; i < nums.length; i++) {
dp[i] = Math.max(dp[i-1]+nums[i], nums[i]);
res = Math.max(dp[i], res);
}
return res;
}
}
时间复杂度:O(n)
空间复杂度:O(n)
贪心算法
差点又忘了。看贪心到底贪的是什么,贪最大的和,就是一旦有和为负,会拖累总和,就赶快丢掉之前的sum
局部最优:当前“连续和”为负数的时候立刻放弃,从下一个元素重新计算“连续和”,因为负数加上下一个元素 “连续和”只会越来越小。
全局最优:局部最优时,记录下最大的连续和,选取最大“连续和”
class Solution {
public int maxSubArray(int[] nums) {
int result = Integer.MIN_VALUE;
int sum = 0;
for (int i = 0; i < nums.length; i++) {
sum += nums[i];
result = result > sum ? result : sum;
if (sum < 0) { // 注意这步在比较得出res之后,只会对下一轮res有影响
sum = 0;
}
}
return result;
}
}
时间复杂度:O(n)
空间复杂度:O(1)