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)
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)
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]
和 nums[j-1]
相同 ②假如nums[i-1]
和 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)
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
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]
和nums[i-1]
,而不用去比较nums[j]
和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
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
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
dp[i]
或者dp[i][j]
的含义;- 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]
和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]
和nums[j-1]
不相同的情况; - 把握递推公式