方法是用的官方的方法,练得还不多,只能想到暴力O(n^3)复杂度的算法,用脚趾头想都知道过不了。
dp动态规划学是学了,但是应用起来还是想不明白,有题练练挺好。
执行用时:
3880 ms, 在所有 Python 提交中击败了15.00%的用户
内存消耗:
34.5 MB, 在所有 Python 提交中击败了100.00%的用户
算法描述
动态规划解法:优化最长公共前缀的比较
if A[i]==B[i]:
A[i:]与B[i:]的最长公共前缀为A[i+1:]与B[i+1:]的最长公共前缀+1
else:
A[i:]与B[i:]的最长公共前缀=0
填表:dp[i][j]表示A[i:]与B[i:]的最长公共前缀,return max(dp[i][j])
if A[i]==B[i]:
dp[i][j]=dp[i+1][j+1]+1
else:
dp[i][j]=0
源代码
class Solution(object):
def findLength(self, A, B):
"""
:type A: List[int]
:type B: List[int]
:rtype: int
"""
n = len(A)
m = len(B)
ans = 0
dp = [[0 for i in range(m+1)] for j in range(n+1)] # 二维数组生成法,不用这个就要用numpy,长度定位m+1和n+1就可以免去考虑最后一个元素的麻烦
for i in range(m - 1, -1, -1):
for j in range(n - 1, -1, -1):
dp[i][j] = dp[i + 1][j + 1] + 1 if A[i] == B[j] else 0
ans = max(ans, dp[i][j])
return ans