【代码随想录算法训练营】第53天 | 第九章 动态规划（十四）+ 复习第25天 第六章 回溯（二）

主要内容

子序列问题

动态规划题目

1143. 最长公共子序列

思路分析

1.dp[i][j]表示分别以 text1[i-1],text2[j-1] 结尾的字符串的最长公共子序列长度
2.递推公式：dp[i][j]由三个方向推出来
if text1[i-1] == text2[j-1]:dp[i][j]=dp[i-1][j-1] + 1
else : dp[i][j] = max(dp[i-1][j],dp[i][j-1])
3. 初始化 dp[0][j] = 0, dp[i][0] = 0
4. 遍历顺序

代码

class Solution:
    # 1.dp[i][j]表示分别以 text1[i-1],text2[j-1] 结尾的字符串的最长公共子序列长度
    # 2.递推公式：dp[i][j]由三个方向推出来
    #   if text1[i-1] == text2[j-1]:dp[i][j]=dp[i-1][j-1] + 1
    #   else : dp[i][j] = max(dp[i-1][j],dp[i][j-1])
    # 3. 初始化 dp[0][j] = 0, dp[i][0] = 0 
    def longestCommonSubsequence(self, text1: str, text2: str) -> int:
        m, n = len(text1), len(text2)
        dp = [[0] * (n+1) for _ in range(m+1)]
        for i in range(1, m+1):
            for j in range(1, n+1):
                if text1[i - 1] == text2[j - 1]:
                    dp[i][j] = dp[i-1][j-1] + 1
                else:
                    dp[i][j] = max(dp[i-1][j], dp[i][j-1])
        return dp[-1][-1]      

1035. 不相交的线

思路分析

和上题1143. 最长公共子序列一模一样

代码

class Solution:
    # 求最长公共子序列的长度
    # 1. dp[i][j]为nums1[i-1]与nums2[j-1]的最长公共子序列
    # 2. 递推公式 if nums[i-1]==nums2[j-1]:dp[i][j] = dp[i-1][j-1]+1
    #            else: dp[i][j] = max(dp[i]]j-1],dp[i-1][j])  
    def maxUncrossedLines(self, nums1: List[int], nums2: List[int]) -> int:
        m, n = len(nums1), len(nums2)
        dp = [[0] * (n + 1) for _ in range(m + 1)]
        for i in range(1, m + 1):
            for j in range(1, n + 1):
                if nums1[i - 1] == nums2[j - 1]:
                    dp[i][j] = dp[i - 1][j - 1] + 1
                else:
                    dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])
        return dp[-1][-1] 

53. 最大子数组和

思路分析

dp[i]表示以nums[i]结尾的最大和
dp[i] = max(dp[i-1] + nums[i], nums[i])

代码

class Solution:
    # dp[i]表示以nums[i]结尾的最大和
    # dp[i] = max(dp[i-1] + nums[i], nums[i])
    def maxSubArray(self, nums: List[int]) -> int:
        n = len(nums)
        dp = [0] * n
        dp[0] = nums[0]
        res = nums[0]
        for i in range(1, n):
            dp[i] = max(dp[i-1]+nums[i], nums[i])
            res = max(res, dp[i])
        return res