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] 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）

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]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

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] 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；
3. 把握递推公式