代码随想录day43：动态规划part11，子序列问题，一直到“编辑距离”

O_ra_Cle

已于 2024-03-24 19:07:22 修改

阅读量196

点赞数 3

分类专栏：代码随想录文章标签：动态规划算法

于 2024-03-20 17:43:48 首次发布

本文链接：https://blog.csdn.net/O_ra_Cle/article/details/136884006

版权

代码随想录专栏收录该内容

46 篇文章 0 订阅

订阅专栏

文章详细介绍了动态规划在解决最长递增子序列、最长连续递增序列、最长重复子数组、最长公共子序列、不相交的线、最大子数组和、判断子序列、不同的子序列以及两个字符串的最少删除操作等问题中的应用方法。

摘要由CSDN通过智能技术生成

文章目录

- day43：动态规划part11，子序列问题

day43：动态规划part11，子序列问题

300.最长递增子序列

class Solution {
    public int lengthOfLIS(int[] nums) {
    // dp[i]表示i之前包括i的以nums[i]结尾的最长递增子序列的长度
        int n = nums.length;
        if (n == 1) return 1;
        int[] dp = new int[n];
        Arrays.fill(dp, 1);
        int ans = 0;
        for (int i = 1; i < n; i++) {
            for (int j = 0; j < i; j++)
                if (nums[i] > nums[j])
                    dp[i] = Math.max(dp[i], dp[j] + 1);
            ans = Math.max(ans, dp[i]);
        }
        return ans;
    }
}

674.最长连续递增序列

class Solution {
    public int findLengthOfLCIS(int[] nums) {
        int n = nums.length;
        if (n == 1) return 1;
        int[] dp = new int[n];
        Arrays.fill(dp, 1);
        int ans = 0;
        for (int i = 1; i < n; i++) {
            if (nums[i] > nums[i - 1]) dp[i] = dp[i - 1] + 1;
            ans = Math.max(ans, dp[i]);
        }
        return ans;
    }
}

718.最长重复子数组

dp数组定义 i-1 j-1 是为了省略初始化，如果定义为以 i j 结尾需要对 dp[0] 的情况初始化

class Solution {
    public int findLength(int[] nums1, int[] nums2) {
// 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]。
        int[][] dp = new int[nums1.length + 1][nums2.length + 1];
        int ans = 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;
                ans = Math.max(ans, dp[i][j]);
            }
        }
        return ans;
    }
}

1143.最长公共子序列

与上一题的区别是不需要重复了

class Solution {
    public int longestCommonSubsequence(String text1, String text2) {
// 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]
        int[][] dp = new int[text1.length() + 1][text2.length() + 1];
        for (int i = 1; i <= text1.length(); i++) {
            char c1 = text1.charAt(i - 1);
            for (int j = 1; j <= text2.length(); j++) {
                char c2 = text2.charAt(j - 1);
                if (c1 == c2)
                    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()];
    }
}

1035.不相交的线

和上一题一模一样，形式不同

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.最大子数组和

class Solution {
    public int maxSubArray(int[] nums) {
// 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]
        int[] dp = new int[nums.length];
        dp[0] = nums[0];
        int ans = nums[0];
        for (int i = 1; i < nums.length; i++) {
            dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);
            ans = Math.max(ans, dp[i]);
        }
        return ans;
    }
}

392.判断子序列

class Solution {
    public boolean isSubsequence(String s, String t) {
// dp[i][j] 表示以下标i-1为结尾的字符串s，和以下标j-1为结尾的字符串t，
// 相同子序列的长度为dp[i][j]
        int[][] dp = new int[s.length() + 1][t.length() + 1];

        for (int i = 1; i <= s.length(); i++) {
            for (int j = 1; j <= t.length(); j++) {
                if (s.charAt(i - 1) == t.charAt(j - 1))
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                else
                    // 相当于把t这个位置的元素删了，接着比较
                    dp[i][j] = dp[i][j - 1];
            }
        }
        if (dp[s.length()][t.length()] == s.length())
            return true;
        else return false;
    }
}

115.不同的子序列

class Solution {
    public int numDistinct(String s, String t) {
// dp[i][j]：以i-1为结尾的s子序列中出现以j-1为结尾的t的个数为dp[i][j]
        int[][] dp = new int[s.length() + 1][t.length() + 1];
        // dp[i][0]时t为空字符串，s删除所有元素时出现一个空字符串
        for (int i = 0; i <= s.length(); i++) dp[i][0] = 1;
        for (int i = 1; i <= s.length(); i++) {
            for (int j = 1; j <= t.length(); j++) {
                // 是否用s[i - 1]这个元素
                if (s.charAt(i - 1) == t.charAt(j - 1))
                    dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j];
                else
                    dp[i][j] = dp[i - 1][j];
            }
        }
        return dp[s.length()][t.length()];
    }
}

583.两个字符串的删除操作

class Solution {
    public int minDistance(String word1, String word2) {
// dp[i][j]：以i-1为结尾的字符串word1，和以j-1位结尾的字符串word2，
// 想要达到相等，所需要删除元素的最少次数
        int[][] dp = new int[word1.length() + 1][word2.length() + 1];
        for (int i = 1; i <= word1.length(); i++) dp[i][0] = i;
        for (int j = 1; j <= word2.length(); j++) dp[0][j] = j;

        for (int i = 1; i <= word1.length(); i++) {
            for (int j = 1; j <= word2.length(); j++) {
                if (word1.charAt(i - 1) == word2.charAt(j - 1))
                    dp[i][j] = dp[i - 1][j - 1];
                else
                    dp[i][j] = Math.min(dp[i - 1][j] + 1, dp[i][j - 1] + 1);
            }
        }
        return dp[word1.length()][word2.length()];
    }
}

另一个思路是：本题和1143.最长公共子序列 (opens new window)基本相同，只要求出两个字符串的最长公共子序列长度即可，那么除了最长公共子序列之外的字符都是必须删除的，最后用两个字符串的总长度减去两个最长公共子序列的长度就是删除的最少步数。

72.编辑距离

以上铺垫最终引出这道题

class Solution {
    public int minDistance(String word1, String word2) {
// dp[i][j] 表示以下标i-1为结尾的字符串word1，
// 和以下标j-1为结尾的字符串word2，最近编辑距离为dp[i][j]
        int[][] dp = new int[word1.length() + 1][word2.length() + 1];
        for (int i = 1; i <= word1.length(); i++) dp[i][0] = i;
        for (int j = 1; j <= word2.length(); j++) dp[0][j] = j;

        for (int i = 1;  i <= word1.length(); i++) {
            for (int j = 1; j <= word2.length(); j++) {
                if (word1.charAt(i - 1) == word2.charAt(j - 1))
                    // 无需操作
                    dp[i][j] = dp[i - 1][j - 1];
                else
                    // 加和删是一个意思，或者修改至if中的情况
                    dp[i][j] = Math.min(dp[i - 1][j - 1] + 1, 
                        Math.min(dp[i - 1][j] + 1, dp[i][j - 1] + 1));
            }
        }
        return dp[word1.length()][word2.length()];
    }
}