动态规划-子序列问题(连续和不连续)专题

动态规划 子序列问题(连续和不连续)专题

最长上升子序列(不)

力扣题目链接

dp[i]数组的含义:表示i之前包括i的以nums[i]为结尾的字符串最长递增子序列长度为 dp[i]

递推公式:

if (nums[i] > nums[j]) dp[i] = max(dp[i], dp[j] + 1);

因为是要求的子序列是不连续的,所以每个当前的值都需要和dp[i]算出来的最后那个值进行比较。所以需要两层for循环

	// i和之前下标为j的子序列长度有关系
    public int lengthOfLIS(int[] nums) {
        int[] dp = new int[nums.length];
        Arrays.fill(dp, 1);
        int result = 1;
        for (int i = 1; i < dp.length; i++) {
            for (int j = 0; j < i; j++) {
                if (nums[i] > nums[j]) {
                    dp[i] = Math.max(dp[i], dp[j] + 1);
                }
            }
            if(dp[i] > result) result = dp[i];
        }
        return result;
    }
/*
时间复杂度:O(n^2)
空间复杂度:O(n)
*/

最长公共子序列(不)

力扣题目链接

做完 最长重复子数组 后,来到该题,该题是不连续的,而且还是两个字符串(相当于两个数组)进行的比较,可以对比一下“两个数组”的比较下,连续和不连续子序列的区别。

dp[i][j]数组的含义:字符串A中以 nums[i]为结尾的 和 字符串B中以nums[j]为结尾最长的公共子序列的长度为 dp[i][j]

递推公式就是两个角度推算而来:①假如nums[i-1]nums[j-1]相同 ②假如nums[i-1]nums[j-1]不相同 (画图自行推演)

  • 相同:dp[i][j] = dp[i-1][j-1] + 1
  • 不相同:看字符串A[0, i - 2]与 字符串B[0,j - 1]的最长公共子序列 和 字符串A[0, i - 1]与 字符串B[0,j - 2]的最长公共子序列,看谁大取谁;即:dp[i][j] = Math.max(dp[i-1][j],dp[i][j-1])

到此:可以看到连续的公共子序列和不连续的有啥区别了,就是 连续的公共子序列不需要计算 当两个字符不相同的情况的,但是不连续的公共子序列是需要计算两个字符不相同的情况的。

public int longestCommonSubsequence(String text1, String text2) {
        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++) {
                if (text1.charAt(i-1) == text2.charAt(j-1)) {
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                }else {
                    dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);
                }
            }
        }
        return dp[text1.length()][text2.length()];
    }
/*
时间复杂度:O(n*m)
空间复杂度:O(n*m)
*/

不相交的线(不)

力扣题目链接

该题和 最长的公共子序列 解法和思路是一样的

 public int maxUncrossedLines(int[] nums1, int[] nums2) {
        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 - 1][j], dp[i][j - 1]);
                }
            }
        }
        return dp[nums1.length][nums2.length];
    }

最长连续递增序列

力扣题目链接

做完了最长上升子序列(不连续的)后,就来到了这个题目,可以对比一下看看连续和不连续的子序列在解题上有啥区别

dp[i]数组的含义:表示以nums[i]为结尾的字符 最长连续递增序列 长度为dp[i]

递推公式:

如果 nums[i] > nums[i-1],那么以 i 为结尾的连续递增的子序列长度一定 等于 以 i-1 为结尾的连续递增的子序列长度 + 1。即 dp[i] = dp[i-1] + 1;

因为这里要求的是连续子序列,所以就有必要比较nums[i]nums[i-1],而不用去比较nums[j]nums[i](j是从0到i的遍历)

public int findLengthOfLCIS(int[] nums) {
        if (nums.length <= 1) return 1;
        int[] dp = new int[nums.length];
        Arrays.fill(dp, 1);
        int result = 1;
        for (int i = 1; i < nums.length; i++) {
            if (nums[i] > nums[i - 1]) {
                dp[i] = Math.max(dp[i - 1] + 1, dp[i]);
            }
            if(dp[i] > result) result = dp[i];
        }
        return result;
    }
/*
时间复杂度:O(n)
空间复杂度:O(n)
*/

最长重复子数组

力扣题目链接

看到子序列问题的两个数组的比较,毫无疑问,用二维数组去解决。(也可以去画图解决,相当于模板题)

dp[i][j]数组的含义:以 nums[i] 为结尾的A数组和以 nums[j] 为结尾的B数组最长的重复子数组的长度为 dp[i][j]

dp[i][j]从两个方向推出:(这个需要自行画图验证)

假如当前A数组的当前值与B数组的当前值相等

dp[i][j] = dp[i-1][j-1] + 1

 public int findLength(int[] nums1, int[] nums2) {
        int[][] dp = new int[nums1.length + 1][nums2.length + 1];
        int result = 0;
        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;
                }
                if(dp[i][j] > result) result = dp[i][j];
            }
        }
        return result;
    }
/*
时间复杂度:O(n*m)
空间复杂度:O(n*m)
*/

最大子序和

力扣题目链接

dp[i]数组的含义:以nums[i]为结尾的连续子数组的和最大为 dp[i]

递推公式:只有两个方向推出

  • dp[i-1] + nums[i],即:nums[i] 加入当前的连续子序列之和;
  • nums[i],从头开始算起。

取最大的:dp[i] = max(dp[i - 1] + nums[i], nums[i]);

 public static int maxSubArray(int[] nums) {
        if (nums.length == 0) {
            return 0;
        }
        int res = nums[0];
        int[] dp = new int[nums.length];
        dp[0] = nums[0];
        for (int i = 1; i < nums.length; i++) {
            dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);
            if(res < dp[i]) res = dp[i];
        }
        return res;
    }
/*
时间复杂度:O(n)
空间复杂度:O(n)
*/

总结

  1. dp[i] 或者 dp[i][j]的含义;
  2. 在求最长的公共子序列的时候,需要注意该子序列是否是连续的,如果是连续的就不用理会 当nums[i-1]nums[j-1]不相同的情况,但是假如是求不连续的时候,需要去推敲nums[i-1]nums[j-1]不相同的情况;
  3. 把握递推公式
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值