leetcode_44. 通配符匹配_1143. 最长公共子序列_718. 最长重复子数组 _300.最长上升子序列_

这篇博客介绍了四个LeetCode上的动态规划问题:1) 通配符匹配,解释了如何使用动态规划解决'?'和'*'的匹配;2) 最长公共子序列,讨论了如何找到两个字符串的最长公共子序列;3) 最长重复子数组,求解两个整数数组中最长的公共子数组长度;4) 最长上升子序列,找到无序整数数组中最长的上升子序列的长度。每个问题都提供了示例和解决方案思路。
摘要由CSDN通过智能技术生成

44. 通配符匹配

给定一个字符串 (s) 和一个字符模式 § ,实现一个支持 ‘?’ 和 ‘*’ 的通配符匹配。

‘?’ 可以匹配任何单个字符。
‘*’ 可以匹配任意字符串(包括空字符串)。
两个字符串完全匹配才算匹配成功。

说明:

s 可能为空,且只包含从 a-z 的小写字母。
p 可能为空,且只包含从 a-z 的小写字母,以及字符 ? 和 *。
示例 1:

输入:
s = “aa”
p = “a”
输出: false
解释: “a” 无法匹配 “aa” 整个字符串。
示例 2:

输入:
s = “aa”
p = ""
输出: true
解释: '
’ 可以匹配任意字符串。
示例 3:

输入:
s = “cb”
p = “?a”
输出: false
解释: ‘?’ 可以匹配 ‘c’, 但第二个 ‘a’ 无法匹配 ‘b’。
示例 4:

输入:
s = “adceb”
p = “ab”
输出: true
解释: 第一个 ‘’ 可以匹配空字符串, 第二个 '’ 可以匹配字符串 “dce”.
示例 5:

输入:
s = “acdcb”
p = “a*c?b”
输出: false

状态:

  • dp[i][j] 表示p的前 i 个字符和s的前 j 个字符匹配。

状态转移:
在这里插入图片描述

  • 如果 p[i - 1] == s[j - 1] 或 p[i - 1] == ‘?’,表示当前的字符串是匹配的,dp[i][j] 可以从 dp[i - 1][j - 1] 转移而来。
  • 如果 p[i - 1] == ‘*’,这个位置可以匹配 0 到 若干个字符。
    • dp[i][j] = dp[i-1][j] 表示 '*'匹配了0个,dp[i][j] 从dp[i-1][j] 转移而来。
    • dp[i][j] = dp[i][j-1], 表示’*'匹配了若干个,dp[i][j]从dp[i][j-1]转移而来。

初始化:

  • dp[0][0] = true 表示空串是匹配的。
  • 匹配串 p 以若干个星号开头的情况,因为星号可以匹配开头的空

大佬作者:sweetiee

class Solution {
    public boolean isMatch(String s, String p) {
        // 两个字符串的关系, dp
        // dp[i][j] 表示p的前i个字符和s的前j个字符匹配
        // 边界  dp[0][0] dp[i][0] dp[0][j]

        int len1 = p.length(), len2 = s.length();
        boolean[][] dp = new boolean[len1+1][len2+1];
        dp[0][0] = true;
        for(int i = 1; i <= len1; i++) {
            if(p.charAt(i - 1) != '*') {
                break;
            }
            dp[i][0] = true;
        }

        for(int i = 1; i <= len1; i++) {
            for(int j = 1; j <= len2; j++) {
                if(p.charAt(i -1) == s.charAt(j - 1) || p.charAt(i - 1) == '?') {
                    dp[i][j] = dp[i-1][j-1];
                }else if(p.charAt(i-1) == '*') {
                    dp[i][j] = dp[i-1][j] || dp[i][j-1];
                }
            }
        }

        return dp[len1][len2];
    }
}

1143. 最长公共子序列

给定两个字符串 text1 和 text2,返回这两个字符串的最长公共子序列的长度。

一个字符串的 子序列 是指这样一个新的字符串:它是由原字符串在不改变字符的相对顺序的情况下删除某些字符(也可以不删除任何字符)后组成的新字符串。
例如,“ace” 是 “abcde” 的子序列,但 “aec” 不是 “abcde” 的子序列。两个字符串的「公共子序列」是这两个字符串所共同拥有的子序列。

若这两个字符串没有公共子序列,则返回 0。

示例 1:

输入:text1 = “abcde”, text2 = “ace”
输出:3
解释:最长公共子序列是 “ace”,它的长度为 3。
示例 2:

输入:text1 = “abc”, text2 = “abc”
输出:3
解释:最长公共子序列是 “abc”,它的长度为 3。
示例 3:

输入:text1 = “abc”, text2 = “def”
输出:0
解释:两个字符串没有公共子序列,返回 0。

在这里插入图片描述

class Solution {
    public int longestCommonSubsequence(String text1, String text2) {
        // dp[i][j] text1的前i个,text2的前j个字符,的公共子序列
        // 边界 
        // dp[i][j] if(text1.charAt(i-1) == text2.charAt(j-1)) dp[i][j] = dp[i-1][j-1] + 1;
        //           else dp[i][j] = dp[i-1][j-1]

        int len1 = text1.length(), len2 = text2.length();

        int[][] dp = new int[len1 + 1][len2 + 1];

        for(int i = 1; i <= len1; i++) {
            for(int j = 1; j <= len2; j++) {
                if(text1.charAt(i-1) == text2.charAt(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[len1][len2];
    }
}

718. 最长重复子数组

给两个整数数组 A 和 B ,返回两个数组中公共的、长度最长的子数组的长度。

示例:

输入:
A: [1,2,3,2,1]
B: [3,2,1,4,7]
输出:3
解释:
长度最长的公共子数组是 [3, 2, 1] 。

class Solution {
    public int findLength(int[] A, int[] B) {
        // dp[i][j] 位置i,位置j的最长重复子数组

        int lenA = A.length, lenB = B.length;

        int[][] dp = new int[lenA+1][lenB+1];
        int res = 0;

        for(int i = 1; i <= lenA; i++) {
            for(int j = 1; j <= lenB; j++) {
                if(A[i - 1] == B[j - 1]) {
                    dp[i][j] = dp[i-1][j-1] + 1;
                    res = Math.max(dp[i][j], res);
                }
            }
        } 

        return res;

    }
}

300.最长上升子序列

给定一个无序的整数数组,找到其中最长上升子序列的长度。

示例:

输入: [10,9,2,5,3,7,101,18]
输出: 4
解释: 最长的上升子序列是 [2,3,7,101],它的长度是 4。

class Solution {
    public int lengthOfLIS(int[] nums) {
        // dp[i] 到位置i的最长上升子序列最大值
        // dp[i] = Math.max(dp[j] + 1, dp[i]);


        int len = nums.length;
        if(len == 0) return 0;

        int[] dp = new int[len];
        Arrays.fill(dp, 1);

        for(int i = 1; i < len; i++) {
            for(int j = 0; j < i; j++) {
                if(nums[j] < nums[i]) {
                    dp[i] = Math.max(dp[j] + 1, dp[i]);
                }
            }
        }

        int res = 0;
        for(int i = 0; i < len; i++) {
            res = Math.max(res, dp[i]);
        }

        return res;
    } 
}
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值