代码随想录算法训练营第五十五/五十六天 | 动态规划：子序列，编辑距离

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：
  1. 一开始以为是沿用上一题的模板，先求出总的删除次数$N_d$，然后再求出最大公共子序列长度$L_{common}$。以为最后的答案是$N_d-(s_2.length-L_{common})$。然后提交无法通过。
  2. 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。