代码随想录训练营第五十三天| ● 1143.最长公共子序列 ● 1035.不相交的线 ● 53. 最大子序和 动态规划

 1143.最长公共子序列 

体会一下本题和 718. 最长重复子数组 的区别  

视频讲解：动态规划子序列问题经典题目 | LeetCode：1143.最长公共子序列_哔哩哔哩_bilibili

代码随想录

 这道题由于不是连续序列，所以dp数组的含义就是：

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的最长公共子序列为dp[i][j]，记录的是累计的最大长度。

在递归函数中，若text1的i-1位和text2的j-1位相等，则dp[i][j]就等于dp[i-1][j-1] + 1，也就是等于之前最长公共子序列加1，若不相等就取之前两个子序列中最大的那一个。

int longestCommonSubsequence(string text1, string text2) {
        if (text1.size() == 0 || text2.size() == 0)
            return 0;
        vector<vector<int>> dp(text1.size()+1, vector<int>(text2.size()+1, 0));
        for(int i = 1; i <= text1.size(); i++) {
            for (int j = 1; j <= text2.size(); j++) {
                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]);
                }
            }
        }
        return dp[text1.size()][text2.size()];
    }

 1035.不相交的线 

其实本题和 1143.最长公共子序列 是一模一样的，大家尝试自己做一做。

视频讲解：动态规划之子序列问题，换汤不换药 | LeetCode：1035.不相交的线_哔哩哔哩_bilibili

代码随想录

抽象之后与上题一致：

int maxUncrossedLines(vector<int>& nums1, vector<int>& nums2) {
        if (nums1.size() == 0 || nums2.size() == 0)
            return 0;
        vector<vector<int>> dp(nums1.size()+1, vector<int>(nums2.size()+1, 0));
        for(int i = 1; i <= nums1.size(); i++) {
            for (int j = 1; j <= nums2.size(); j++) {
                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]);
            }
        }
        return dp[nums1.size()][nums2.size()];
    }

 53. 最大子序和 

这道题我们用贪心做过，这次 再用dp来做一遍 

视频讲解：看起来复杂，其实是简单动态规划 | LeetCode：53.最大子序和_哔哩哔哩_bilibili

代码随想录

 以下是我写的代码，dp数组记录的是以nums[i]为结尾的最大连续子序列和，遍历过程中当最大和大于零时，加上nums[i]绝对是大于nums[i]的，因此以nums[i]结尾的最大连续子序列和就是max + nums[i]，并重新记录max，若小于零，以nums[i]结尾的最大连续子序列和就是nums[i]了。

int maxSubArray(vector<int>& nums) {
        if (nums.size() == 0) return 0;
        vector<int> dp(nums.size());
        dp[0] = nums[0];
        int max = nums[0];
        int result = nums[0];
        for (int i = 1; i < nums.size(); i++) {
            if (max > 0) {
                dp[i] = max + nums[i];
                max = dp[i];
            }
            else {
                dp[i] = nums[i];
                max = dp[i];
            }
            if (dp[i] > result) result = dp[i];
        }
        return result;
    }

 由于最大连续子序列和只与dp[i - 1] + nums[i], nums[i]这两个数值有关，所以转移公式可以只有这个：dp[i] = max(dp[i - 1] + nums[i], nums[i]);，dp[i-1]也就是我上面的max了

int maxSubArray(vector<int>& nums) {
        if (nums.size() == 0) return 0;
        vector<int> dp(nums.size());
        dp[0] = nums[0];
        int result = dp[0];
        for (int i = 1; i < nums.size(); i++) {
            dp[i] = max(dp[i - 1] + nums[i], nums[i]); // 状态转移公式
            if (dp[i] > result) result = dp[i]; // result 保存dp[i]的最大值
        }
        return result;
    }