继续卷!!!!!!
想了好久想通了了昨天的最大子数组问题。
最大子数组:
定义一个DP数组来存储到每个位置为止的最大子数组和。这个DP数组和递推式可以这样定义:
DP数组
dp[i]
表示以第i
个元素结尾的最大子数组和。
初始条件
dp[0] = nums[0]
,因为以第一个元素结尾的最大子数组和就是它自己。
递推式
- 对于每个
i
(从1开始),dp[i] = max(dp[i-1] + nums[i], nums[i])
。 - 这个递推式的含义是,对于每个位置
i
,我们有两个选择:- 将
nums[i]
加入到以nums[i-1]
结尾的子数组中,这样的话最大和就是dp[i-1] + nums[i]
。 - 从
nums[i]
开始一个新的子数组,这种情况下最大和就是nums[i]
本身。
- 将
- 我们选择这两种情况中较大的一个作为
dp[i]
的值。
def maxSubArray(nums):
n = len(nums)
if n == 0:
return 0
dp = [0] * n
dp[0] = nums[0]
for i in range(1, n):
dp[i] = max(dp[i-1] + nums[i], nums[i])
return max(dp)
优化:
Kadane算法通过只维护当前最大和和全局最大和来优化这个过程,将空间复杂度降低到O(1)。
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
# 如果数组为空,直接返回0
if not nums:
return 0
# 初始化当前最大和为数组的第一个元素,全局最大和也是第一个元素
current_max = global_max = nums[0]
# 遍历数组,从第二个元素开始
for num in nums[1:]:
# 更新当前最大和
current_max = max(num, current_max + num)
# 更新全局最大和
global_max = max(global_max, current_max)
return global_max
1143. 最长公共子序列/15.4 最长公共子序列
- 状态定义:定义
dp[i][j]
为序列text1[0..i-1]
和text2[0..j-1]
的最长公共子序列的长度。 - 转移方程:
- 如果
text1[i-1] == text2[j-1]
,则dp[i][j] = dp[i-1][j-1] + 1
。 - 否则,
dp[i][j] = max(dp[i-1][j], dp[i][j-1])
。
- 如果
- 初始化:
dp[0][j]
和dp[i][0]
初始化为0,因为任何字符串与空字符串的最长公共子序列长度为0。 - 填表方式:按行或按列逐步填充DP表。
class Solution:
def longestCommonSubsequence(self, text1: str, text2: str) -> int:
x, y = len(text1), len(text2)
dp = [[0] * (x + 1) for _ in range(y + 1)]
for i in range(1, y + 1):
for j in range(1, x + 1):
if text1[j - 1] == text2[i - 1]:
dp[i][j] = dp[i - 1][j - 1] + 1
elif dp[i][j - 1] >= dp[i - 1][j]:
dp[i][j] = dp[i][j - 1]
else:
dp[i][j] = dp[i - 1][j]
return dp[y][x]
解题遇到两个错误,这里先记录,以后跟着刷题的时候注意:
-
初始代码中,混淆DP表的行列对应关系,导致在填充DP表时尝试访问了不存在的数组元素。具体来说,您将DP表定义为
(y + 1) x (x + 1)
,但在填充时按照(x + 1) x (y + 1)
的顺序进行,不符合DP表的实际维度。 -
在填充DP表时,外层循环应该遍历
text2
(对应于DP表的行),内层循环应该遍历text1
(对应于DP表的列)。初始代码中的循环顺序与此相反,导致了越界。