![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/4ecd32dbac1db4020e962d59c6f17bc7.jpeg#pic_center)
题目
给两个整数数组 nums1 和 nums2 ,返回 两个数组中 公共的 、长度最长的子数组的长度 。
示例 1:
输入:nums1 = [1,2,3,2,1], nums2 = [3,2,1,4,7]
输出:3
解释:长度最长的公共子数组是 [3,2,1] 。
示例 2:
输入:nums1 = [0,0,0,0,0], nums2 = [0,0,0,0,0]
输出:5
提示:
1 <= nums1.length, nums2.length <= 1000
0 <= nums1[i], nums2[i] <= 100
思路
- 设
dp[i][j]
表示以i-1
结尾的A数组和以j-1
结尾的B数组的最长公共子数组的长度为dp[i][j]
- 确定递推关系:
if(nums1[i-1] === nums2[j-1]){ dp[i][j] = dp[i-1][j-1] + 1 }
dp
数组初始化:遍历的时候i、j从1开始,i = 0 或 j = 0 的d[i][j]
没有实际意义,但为了方便递推关系正确推到,初始化dp[0][j] = 0 dp[i][0] = 0
- 由于当前项依赖于左上斜对角线的那一项,故外层遍历nums1,内层遍历nums2或外层遍历nums2,内层遍历nums1都可以。
代码
/**
* @param {number[]} nums1
* @param {number[]} nums2
* @return {number}
*/
var findLength = function(nums1, nums2) {
let len1 = nums1.length , len2 = nums2.length
let dp = (new Array(len1 + 1)).fill(0).map(x => (new Array(len2 + 1)).fill(0))
let res = 0
for(let i = 1 ; i <= len1 ; i++){
for(let j = 1 ; j <= len2 ; j++){
if(nums1[i-1] === nums2[j-1]) dp[i][j] = dp[i-1][j-1] + 1
res = Math.max(res , dp[i][j])
}
}
return res
};
优化
以nums1 = [1,2,3,2,1], nums2 = [3,2,1,4,7]
为例,打印出最后的dp数组如下
[
[ 0, 0, 0, 0, 0, 0 ],
[ 0, 0, 0, 1, 0, 0 ],
[ 0, 0, 1, 0, 0, 0 ],
[ 0, 1, 0, 0, 0, 0 ],
[ 0, 0, 2, 0, 0, 0 ],
[ 0, 0, 0, 3, 0, 0 ]
]
可以看到,当前的状态只依赖于左上斜对角元素的状态,因此我们可以把二维数组压缩成一维。
此时dp[j] = dp[j-1] + 1
由于当前项依赖于一维数组的前一项,所以遍历j时从后往前遍历,这样不会把前一项改变。
/**
* @param {number[]} nums1
* @param {number[]} nums2
* @return {number}
*/
var findLength = function(nums1, nums2) {
let len1 = nums1.length , len2 = nums2.length
let dp = (new Array(len1 + 1)).fill(0)
let res = 0
// 外层遍历nums2数组
for(let j = 1 ; j <= len2 ; j++){
// 内层从后向前遍历nums1数组
for(let i = len1 ; i >= 1 ; i--){
if(nums1[i - 1] === nums2[j - 1]) dp[i] = dp[i-1] + 1
// 不相等时要清0
else dp[i] = 0
res = Math.max(res , dp[i])
}
}
return res
};
复杂度
n为nums1长度,m为nums2长度
时间复杂度: O ( n ∗ m ) O(n*m) O(n∗m)
空间复杂度: O ( n ∗ m ) O(n*m) O(n∗m)(压缩前)、 O ( n ) O(n) O(n)(压缩后)
欢迎关注我的leetcode题解专栏,每天更新三道leetcode题解,一起变强!