392.判断子序列
思路
我觉得最难的就是递推公式了,花了很多时间去理解递推公式为什么要这样来,又为什么和1143.最长公共子序列不一样,发现他们最大的出入就是这道题的s必须全部存在于t,而最长公共子序列里s和t的相同子序列长度不一定要和s.size()一样大,所以在递推公式内 dp[i][j]必须由左dp[i][j-1]推导来。其他思路和最长公共子序列几乎一模一样。
不过真的好难理解,还是双指针方便。
代码实现
1. 动态规划
class Solution {
public:
bool isSubsequence(string s, string t) {
if(s.size()==0)return true;
vector<vector<int>> dp(s.size()+1,vector<int>(t.size()+1,0));
for(int i=1;i<=s.size();i++){
for(int j=1;j<=t.size();j++){
if(s[i-1]==t[j-1])dp[i][j]=dp[i-1][j-1]+1;
else dp[i][j]=dp[i][j-1];
}
}
if(dp[s.size()][t.size()]==s.size())return true;
return false;
}
};
2. 双指针
class Solution {
public:
bool isSubsequence(string s, string t) {
if(s.size()==0)return true;
int result=0;
for(int i=0;i<s.size();i++){
for(int j=0;j<t.size();j++){
if(s[i]==t[j]){
result++;
i++;
}
}
}
return result==s.size();
}
};
115.不同的子序列
思路
这道题有点难。
-
dp数组下标含义:
dp[i][j]:下标范围0到i的s字符串在下标范围0到j-1的字符串内存在的数量 -
递推公式:
当s[i-1]=t[j-1]时- 直接加上dp[i-1][j-1],因为dp数组里已经记录下了有多少相等的子字符串,直接套用就行了;
- 加上dp[i-1][j],因为可能就算没有t[j-1],就已经包含了s,比如当t=bagg,s=bag,dp[3][3]=1,dp[4][3]则来源于dp[3][3]和dp[3][2](救命根本不知道咋讲)
当s[i-1]!=t[j-1]时:dp[i][j] = dp[i - 1][j]
-
遍历顺序
很显然从上往下或者左上往右下 -
初始化
这里初始化和之前的不太一样,因为当被包含的字符串s长度为0时,包含字符串的长字符t肯定会包含一个子串s,这时dp[i][0]都要初始化为1。其他的为0即可 -
打印dp数组
代码实现
class Solution {
public:
int numDistinct(string s, string t) {
vector<vector<uint64_t>> dp(s.size() + 1, vector<uint64_t>(t.size() + 1));
for (int i = 0; i < s.size(); i++) dp[i][0] = 1;
for (int j = 1; j < t.size(); j++) dp[0][j] = 0;
for (int i = 1; i <= s.size(); i++) {
for (int j = 1; j <= t.size(); j++) {
if (s[i - 1] == t[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.size()][t.size()];
}
};
碎碎叨
动态规划真的太难了(b溃中)