Day53代码随想录动态规划part14：1143.最长公共子序列、1035.不相交的线、53. 最大子序和动态规划

Day53 动态规划part14

1143.最长公共子序列

leetcode题目链接：1143. 最长公共子序列 - 力扣（LeetCode）

题意：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。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。若这两个字符串没有公共子序列，则返回 0。

思路：本题和**动态规划：718. 最长重复子数组 (opens new window)**区别在于这里不要求是连续的了，但要有相对顺序，即："ace" 是 "abcde" 的子序列，但 "aec" 不是 "abcde" 的子序列。

• dp数组及其下标：dp[i][j]：a数组在[0,i-1]，b数组在[0,j-1]区间里最长公共子序列为dp[i][j]
• 递推公式：
  • 如果text1[i-1] == text2[j-1]: dp[i][j] = dp[i-1][j-1]+1
  • 如果text1[i-1] != text2[j-1]: 那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列，取最大的。dp[i][j] = max(dp[i-1][j], dp[i][j-1])
• 初始化：text[0, i-1]和空串的最长公共子序列自然是0，所以dp[i][0] = 0;同理dp[0][j]也是0。其他下标都是随着递推公式逐步覆盖，初始为多少都可以，那么就统一初始为0。
• 遍历顺序：从递推公式，可以看出，有三个方向可以推出dp[i][j](从dp[i-1][j-1], dp[i-1][j], dp[i][j-1]), 那么为了在递推的过程中，这三个方向都是经过计算的数值，所以要从前向后，从上到下来遍历这个矩阵。

class Solution:
    def longestCommonSubsequence(self, text1: str, text2: str) -> int:
        len1 = len(text1)
        len2 = len(text2)
        dp = [[0]*(len2+1) for _ in range(len1+1)]
        res = 0
        for i in range(1, len1+1):
            for j in range(1, len2+1):
                if text1[i-1] == text2[j-1]:
                    dp[i][j] = dp[i-1][j-1]+1
                else:
                    dp[i][j] = max(dp[i-1][j], dp[i][j-1])
                
                if dp[i][j]>res:
                    res = dp[i][j]
        return res

1035.不相交的线

leetcode链接：1035. 不相交的线 - 力扣（LeetCode）

思路：本题说是求绘制的最大连线数，其实就是求两个字符串的最长公共子序列的长度！和上一题代码几乎一致：

class Solution:
    def maxUncrossedLines(self, nums1: List[int], nums2: List[int]) -> int:
        len1 = len(nums1)
        len2 = len(nums2)
        dp = [[0]*(len2+1) for _ in range(len1+1)]
        res = 0
        for i in range(1, len1+1):
            for j in range(1, len2+1):
                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])
                
                if dp[i][j]>res:
                    res = dp[i][j]
        return res

53. 最大子序和动态规划

leetcode链接：. - 力扣（LeetCode）

题意：给定一个整数数组 nums ，找到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。

示例:

• 输入: [-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。

思路：之前用贪心的方法做过这道题，这次用动态规划做

贪心：

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        max_sum = float('-inf')
        now_sum = 0
        for i in range(len(nums)):
            if now_sum<0:
                now_sum = nums[i]
            else:
                now_sum += nums[i]
            if now_sum>max_sum:
                max_sum = now_sum
        return max_sum

动态规划：

• 确定dp数组（dp table）以及下标的含义：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]。
• 递推公式：dp[i]只有两个方向可以推出来：
  • dp[i - 1] + nums[i]，即：nums[i]加入当前连续子序列和
  • nums[i]，即：从头开始计算当前连续子序列和
  • 一定是取最大的，所以dp[i] = max(dp[i - 1] + nums[i], nums[i]);
• dp数组初始化：dp[i]是依赖于dp[i - 1]的状态，dp[0]=nums[0]就是递推公式的基础。
• 遍历顺序：从前往后
• 结果！！！注意不是dp[-1]而是要从里面找一个最大的

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        dp = [float('-inf')] * len(nums)
        dp[0] = nums[0]
        res = nums[0]
        for i in range(1, len(nums)):
            dp[i] = max(dp[i-1]+nums[i], nums[i])
            res = max(res, dp[i])
        print(dp)
        return res