1143.最长公共子序列
关键点1:dp数组的含义
dp[i][j]是以i-1,j-1为结尾的公共最长子数组的长度;
关键点2:递归公式的推导
if(nums1[i-1] == nums2[j-1]),则i和j同时移动,所以为i-1,j-1;dp[i][j] = dp[i-1][j-1]+1;
如果不相等,则存在两种情况-> dp[i][j] = Math.max(dp[i][j-1],dp[i-1][j]);
情况1:i往前退一步,j不退;
情况2:i不退,j往前退一步
关键点3:dp数组初始化
每个dp[i][j]元素都初始化为0,因为dp[0][j] =dp[-1][j-1]+1; ,dp[i][0] = dp[i-1][-1]+1;都出现了无意义的dp[-1],所以dp[0][j] 和 dp[i][0] 都初始化为0 ,而其它元素也可初始化为0,所以整个数组初始化为0;
关键点4:遍历顺序
由于下一个dp值与上一个dp值有关,因此for循环从前往后遍历(0已经初始化,且为使递归公式的dp[i-1][j-1]有意义,i,j都从1开始遍历)。
class Solution {
public int longestCommonSubsequence(String text1, String text2) {
// dp[i][j] :从0到i-1,j-1字符串的最长公共子序列的长度
int[][] dp = new int[text1.length()+1][text2.length()+1];
for(int i = 1;i <= text1.length();i++){
for(int j = 1;j <= text2.length();j++){
// i-1的元素与j-1的元素相等时
if(text1.charAt(i-1) == text2.charAt(j-1)){
dp[i][j] = dp[i-1][j-1]+1;
}else{
// i-1的元素与j-1的元素不相等时,存在两种情况
//情况1:i往前退一步,j不退;
//情况2:i不退,j往前退一步
dp[i][j] = Math.max(dp[i][j-1],dp[i-1][j]);
}
}
}
return dp[text1.length()][text2.length()];
}
}
1035.不相交的线
// 本题其实就是求最长公共子序列的长度,因为并未要求每个元素都要连续对应相等,所以不是最长重复子数组
class Solution {
public int maxUncrossedLines(int[] nums1, int[] nums2) {
// 本题其实就是求最长公共子序列的长度,因为并未要求每个元素都要连续对应相等,所以不是最长重复子数组
int[][] dp = new int[nums1.length+1][nums2.length+1];
for(int i = 1;i <= nums1.length;i++){
for(int j = 1;j <= nums2.length;j++){
if(nums1[i-1] == nums2[j-1]){
dp[i][j] = dp[i-1][j-1] + 1;
}else{
dp[i][j] = Math.max(dp[i][j-1],dp[i-1][j]);
}
}
}
return dp[nums1.length][nums2.length];
}
}
53. 最大子序和(动态规划版)
关键点1:dp数组的含义
dp[i] 表示从0-nums[i]连续子数组的最大和是dp[i]
关键点2:递归公式的推导
只有两个状态 -> dp[i] = Math.max(dp[i-1]+ nums[i],nums[i]);
状态1:依据前面的dp值再加上目前的这个nums[i];
状态2:将前面的值置0,从nums[i]重新计数
关键点3:dp数组初始化
dp[0]就是nums[0]的值,其它元素都初始化为0;
关键点4:遍历顺序
由于下一个dp值与上一个dp值有关,因此for循环从前往后遍历(0已经初始化,且为使递归公式的dp[i-1][j-1]有意义,i,j都从1开始遍历)。
关键点5:结果
由于并不是nums[nums.length-1]这最后一个值对应的连续子数组是最大和,最大和应该是整个数组求最大值得到,因此在for循环中逐步判断得到。
class Solution {
public int maxSubArray(int[] nums) {
// dp[i] 表示从0-nums[i]连续子数组的最大和是dp[i]
int[] dp = new int[nums.length];
dp[0] = nums[0];
int res = nums[0];
for(int i = 1;i < nums.length;i++){
// 只有两个状态,状态1:依据前面的dp值再加上目前的这个nums[i];状态2:将前面的值置0,从nums[i]重新计数
dp[i] = Math.max(dp[i-1]+ nums[i],nums[i]);
res = Math.max(dp[i],res);
}
return res;
}
}