【代码随想录算法训练营】第55天 | 第九章 动态规划（十五）+ 复习第27天 第六章 回溯（三）

主要内容

子序列问题

动态规划题目

392.判断子序列

思路分析

 if t[i - 1] == s[j - 1]:
    dp[i][j] = dp[i-1][j-1] + 1
else:
    dp[i][j] = dp[i-1][j]

如果不相等，只需要看t的前一位，以为最终目的是看t是否包含整个s,就无需看s的前一位了

代码

class Solution:
    # 第一想法是用动态规划计算二者的最长公共子序列长度是否等于len(s)
    # dp[i][j]指的是以s[i-1] t[j-1]结尾的最长公共子序列的长度
    def isSubsequence(self, s: str, t: str) -> bool:
        m, n = len(s), len(t)
        if m == 0:
            return True
        dp = [[0] * (m + 1) for _ in range(n + 1)]
        for i in range(1, n + 1):
            for j in range(1, m + 1):
                if t[i - 1] == s[j - 1]:
                    dp[i][j] = dp[i-1][j-1] + 1
                else:
                    dp[i][j] = dp[i-1][j]
                if dp[i][j] == m:
                    return True
        return False

115.不同的子序列

思路分析

代码随想录

代码

class Solution:
    # dp[i][j]表示 以 s[i-1]结尾的子序列 中 包含 以 t[j-1]结尾的子序列的个数
    # 递推公式：
    #        if s[i-1] == t[j-1] : 需考虑两部分 用s[i-1]做匹配 + 不用s[i-1]做匹配
    #        else：不用 s[i-1]做匹配
    # 初始化 dp[i][0] = 1 ,dp[0][j]=0, dp[0][0] = 1
    def numDistinct(self, s: str, t: str) -> int:
        m, n = len(s), len(t)
        dp =[[0] * (n + 1) for _ in range(m + 1)]
        for i in range(m + 1):
            dp[i][0] = 1
        for i in range(1, m + 1):
            for j in range(1, n + 1):
                if s[i - 1] == t[j - 1]:
                    dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j]
                else:
                    dp[i][j] = dp[i - 1][j]
        return dp[-1][-1]