日子一天天过去了,今天居然周四了,这周一定要好好总结一下学习内容,不能浑浑噩噩的了。
刚刚吃了一个711的培根鸡蛋三明治,真的太好吃啦!
我觉得我能吃十个!
刚看了央视新闻一个《路过人间》的视频,剪辑了很多世间可爱的场景,世间真是值得啊,早点睡,今天想看流星雨呢~
我可能就是幸运小天使吧~ 今天就说今天先给继续做子序列的题目总结一下,今天leetcode每日一题刚好就是子序列~
516、最长回文子序列
题目描述
给你一个字符串 s ,找出其中最长的回文子序列,并返回该序列的长度。
子序列定义为:不改变剩余字符顺序的情况下,删除某些字符或者不删除任何字符形成的一个序列。
示例 1:
输入:s = "bbbab"
输出:4
解释:一个可能的最长回文子序列为 "bbbb" 。
示例 2:
输入:s = "cbbd"
输出:2
解释:一个可能的最长回文子序列为 "bb" 。
提示:
1 <= s.length <= 1000
s 仅由小写英文字母组成
思路
子序列已经明白了肯定是二维动态规划。
回文序列: 就是正反一样。
可能正常的动态规划还不行,
比如:
“bbbabb” --> 最长的是5个。但是没到最后一个b的时候也不会认为是。
根据回文字符的经验,
连续的那个做法是:从中间向两边移动,中间相同的可以直接合并连起来,然后找到以该字符为中心的回文串长度。
然后我在写这个时候发现,回文子序列是不是也可以这么思考,只是倒过来
class Solution:
def longestPalindromeSubseq(self, s: str) -> int:
n = len(s)
dp = [[0] *(n+1) for i in range(n+1)]
max_v = 0
s_2 = s[::-1]
for i in range(1,n+1):
for j in range(1,n+2-i):
if s[i-1] == s_2[j-1]:
if j == n+1-i:
dp[i][j] = dp[i-1][j-1] + 1
else:
dp[i][j] = dp[i-1][j-1] + 2
else:
dp[i][j] = max(dp[i-1][j],dp[i][j-1])
max_v = max(max_v,dp[i][j])
return max_v
而且因为只用到 dp[i-1],所以可以优化成滚动数组的形式,空间复杂度o(n)
优化的结果如下:
1- 只用一层列表
2- 倒序索引s,不构建s_2
class Solution:
def longestPalindromeSubseq(self, s: str) -> int:
n = len(s)
dp_1 = [0] *(n+1)
max_v = 0
for i in range(1,n+1):
dp = [0] *(n+1)
for j in range(1,n+2-i):
if s[i-1] == s[-j]:
if j == n+1-i:
dp[j] = dp_1[j-1] + 1
else:
dp[j] = dp_1[j-1] + 2
else:
dp[j] = max(dp_1[j],dp[j-1])
max_v = max(max_v,dp[j])
dp_1 = dp[:]
return max_v
基础题复习:
1143. 最长公共子序列
题目描述
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。如果不存在 公共子序列 ,返回 0 。
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。
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 。
提示:
1 <= text1.length, text2.length <= 1000
text1 和 text2 仅由小写英文字符组成。
思路:
所以代码:
class Solution:
def longestCommonSubsequence(self, text1: str, text2: str) -> int:
if not text1 or not text2:
return 0
m = len(text1)
n = len(text2)
dp = [[0] * (m+1) for i in range(n+1)]
for i in range(1, n+1):
for j in range(1, m+1):
if text2[i-1] == text1[j-1]:
dp[i][j] = dp[i - 1][j - 1] + 1
else:
dp[i][j] = max(dp[i][j - 1], dp[i - 1][j])
return dp[-1][-1]