动态规划:子序列,编辑距离
题目
392.判断子序列
115.不同的子序列
583. 两个字符串的删除操作
72. 编辑距离
对题目的想法
- 判断子序列:
看起来十分容易,当然题目本身就是Easy。当然套用之前公共子序列的模板即可,不过过于复杂。 - 不同的子序列:
一开始没有什么想法 - 两个字符串的删除操作:
当然还是可以用公共子序列的模板直接完成,不过似乎还有别的方法。 - 编辑距离:
看起来似乎是上一题的翻,不过标注是Hard,下意识感到惶恐。
实现中/后的感想
- 判断子序列:
稍微看了下题解,然后提示双指针也可以。还是比较轻松使用双指针完成了,当然dp的方法套用公共子序列即可。 - 不同的子序列:
看了题目想了很久,尤其是初始化。
//Initialization:
//dp[i + 1][0]: how many distinct subseq. of s[i] which equals t[-1]
//if s[i] == t[0]: dp[i + 1][1] = dp[i][1] + dp[i][0]
int[][] dp = new int[s.length() + 1][t.length() + 1];
for (int i = 0; i < s.length(); i++) {
dp[i][0] = 1;
}
/*
dp[i + 1][j + 1]: how many distinct subseq. of s[i] which equals t[j]
if s[i] == t[j]:
dp[i + 1][j + 1] = how many distinct subseq. of s[i - 1] which equals t[j]
+ how many distinct subseq. of s[i - 1] which equals t[j - 1]
= dp[i][j + 1] + dp[i][j]
else:
dp[i + 1][j + 1] = how many distinck subseq. of s[i - 1] which equals t[j]
= dp[i][j + 1]
*/
- 两个字符串的删除操作:
dp的递推模板似乎和上一题类似,但是忘记了初始赋值!
/*
dp[i + 1][j + 1]: the minimal deletions needed for s1[i] and s2[j]
if s1[i] == s2[j]:
dp[i + 1][j + 1] = minimal deletions needed for s1[i - 1] and s2[j - 1]
= dp[i][j]
else:
dp[i + 1][j + 1] = Min(Min(dp[i + 1][j], dp[i][j + 1]) + 1, dp[i][j] + 2)
*/
//initialization!
for (int i = 0; i <= s1.length(); i++) {
dp[i][0] = i;
}
- 编辑距离:
- 一开始以为是沿用上一题的模板,先求出总的删除次数 N d N_d Nd,然后再求出最大公共子序列长度 L c o m m o n L_{common} Lcommon。以为最后的答案是 N d − ( s 2 . l e n g t h − L c o m m o n ) N_d - (s_2.length - L_{common}) Nd−(s2.length−Lcommon)。然后提交无法通过。
- 根据题目所给的示例,以为s1必定大于s2。随后发现并不一定如此,如果s2长于s1则需要对s1进行插入操作,而这个插入操作等价于删除s2。