leetcode_2915 和为目标值的最长子序列的长度

最新推荐文章于 2024-07-14 14:55:48 发布

_不会dp不改名_

最新推荐文章于 2024-07-14 14:55:48 发布

阅读量115

点赞数

分类专栏： # 动态规划文章标签： leetcode 算法职场和发展

本文链接：https://blog.csdn.net/bdn_nbd/article/details/134122438

版权

动态规划专栏收录该内容

13 篇文章 0 订阅

订阅专栏

1. 题意

给定一个数组，求和为target的子序列的最长长度。

和为目标值的最长子序列的长度

2. 题解

动态规划，01背包模板题。
对于前i个物品可以选或者不选。

令dp[i][j]为前i个物品，选出和为j的序列最大长度。

状态转移方程则为

$d p [i] [j] = ma x (d p [i - 1] [j], d p [i - 1] [j - n u m s [i]] + 1)$

2.1 二维

class Solution {
public:
    int lengthOfLongestSubsequence(vector<int>& nums, int target) {
        
        int dp[1000 + 1][1000 + 1];
        int INF = 0x3f3f3f3f;
        memset(dp, -INF, sizeof(dp));
        
        for (int i = 0; i < 1001; ++i)
            dp[i][0] = 0;


        // dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - nums[i]] + 1);
        int sz = nums.size();
        for ( int i = 1; i <= sz; ++i ) {
            for ( int j = 1;j <= target; ++j) {
                dp[i][j] = dp[i - 1][j];
                if ( j >= nums[ i - 1])
                    dp[i][j] = max(dp[i][j], dp[i - 1][j - nums[i - 1]] + 1);
            }
        }


        return dp[sz][target] > 0 ? dp[sz][target] : -1;
    }
};

2.2 空间优化

dp[i][j] 是由dp[i - 1][j - nums[i]]和dp[i - 1][j]决定的，那么我们可以通过逆序枚举j的值来将空间上的值降为一维。

j的枚举最大值，不应该超过PrefixSum(nums, i)。

class Solution {
public:
    int lengthOfLongestSubsequence(vector<int>& nums, int target) {
        
        
        int dp[1001];
        int INF = 0x3f3f3f3f;
        memset(dp, -INF, sizeof(dp));

        dp[0] = 0;

        int sz = nums.size();
        int s  = 0;
        for ( int i = 1; i <= sz; ++i) {
            s += nums[i - 1];
            s  = min(target, s);
            for ( int j = s; j >= nums[i - 1]; --j )
                dp[j] = max(dp[j], dp[j - nums[i - 1]] + 1);
        }


        return dp[ target ] > 0 ? dp[ target ] : -1;
    }
};