Question
Given two integer arrays A and B, return the maximum length of an subarray that appears in both arrays.
Example 1:
Input:
A: [1,2,3,2,1]
B: [3,2,1,4,7]
Output: 3
Explanation:
The repeated subarray with maximum length is [3, 2, 1].
Note:
- 1 <= len(A), len(B) <= 1000;
- 0 <= A[i], B[i] < 100。
问题解析:
给定两个数组A和B,寻找A和B中最长的公共子数组的长度。(注意这里可以不是连续的元素)
Answer
Solution 1:
DP,动态规划。
(关于动态规划相关知识后续后写一篇总结,敬请关注)
- 利用动态规划的思想,首先寻找问题的最优子结构,给出问题的状态转移方程;
- 利用
dp[i][j]
来存储A[i]和B[j]之前的LCS(最长公共子序列); - 当
A[n]=B[m]
时,dp[i][j] = dp[i-1][j-1] + 1;max = Math.max(max, dp[i][j])
。
class Solution {
public int findLength(int[] A, int[] B) {
if (A == null || B == null) return 0;
int m = A.length;
int n = B.length;
int max = 0;
//the length of longest common subarray end with A[i] and B[j]
int[][] dp = new int[m+1][n+1];
for (int i =0; i <= m; i++){
for (int j = 0 ; j <= n; j++){
if (i == 0 || j == 0){
dp[i][j] = 0;
}
else{
if (A[i-1] == B[j-1]){
dp[i][j] = dp[i-1][j-1] + 1;
max = Math.max(max, dp[i][j]);
}
}
}
}
return max;
}
}
- 时间复杂度:O(n^2),空间复杂度:O(n^2)
Solution 2:
同样还是DP算法,但其计算复杂度更低。
- 下面的这种解法仅用了1D的dp数组。这是Discuss区的部分快速解法的答案;
- 通过我后面详细的分析,最后发现,这种解法是针对“最长连续公共子序列”的问题所设计的,一旦涉及不连续的元素,dp[]中的值全部都会置为0;而我们上面的一种解法是既可以同时解决不连续子序列的问题的。
- 既然这种解法可以通过,那么说明这个题目的初始设置想法就是求“最长连续公共子序列”。
class Solution {
public int findLength(int[] A, int[] B) {
int ans = 0;
int[] dp = new int[A.length + 1];
for (int j = 1; j <= B.length; j++) {
for (int i = A.length; i >= 1; i--) {
if (A[i - 1] == B[j - 1]) {
dp[i] = dp[i - 1] + 1;
} else {
dp[i] = 0;
}
ans = Math.max(ans, dp[i]);
}
}
return ans;
}
}
- 时间复杂度:O(n^2),空间复杂度:O(n)
关于动态规划问题,可以先参考我在《算法导论》中的总结文章:动态规划问题。