代码随想录算法训练营第五十一天|115.不同的子序列 583. 两个字符串的删除操作 72. 编辑距离

LeetCode 115.不同的子序列

题目链接：115.不同的子序列

踩坑：看了视频，但还是没注意到题目要求里的取模操作，虽然说是取模，但应该是避免溢出，因此实际操作时改变数据类型即可。

思路：核心是动态数组的含义与递推公式的理解

1. dp数组的含义：dp[i][j]：以i-1结尾的s中有多少个以j-1结尾的t
2. 递推公式：当s[i-1] == t[j-1] 都为g时，以s = “bagg”，t = "bag"为例，有什么样的情况可以直接推导出dp[i][j]。情况1，由于后缀都相同，所以ba在bag中所有的情况可以一比一复制到bag在bagg中的情况，因此dp[i][j]中有这种情况一份。情况2，情况1中的在bag中的ba还需要添加后缀才能符合情况，同时也应该有不需要后缀也可以满足要求的，如bag(s)中的bag(t)，dp[i][j]中也有这种情况一份。综上，dp[i][j] = dp[i-1][j-1] + dp[i-1][j]
3. 初始化：由递推公式可知，等式依赖左上方和上方，因此需要初始化第一行，第一列，又根据dp数组的含义，第一行应初始化为0，第一列应初始化为1，（0，0）应该为1。
4. 遍历顺序：从左到右，从上到下

代码：

class Solution {
public:
    int numDistinct(string s, string t) {
        vector<vector<uint64_t>> dp(s.size()+1, vector<uint64_t>(t.size()+1, 0));

        for(int i = 0; i <= s.size(); i++) dp[i][0] = 1;
        for(int j = 0; j <= t.size(); j++) dp[0][j] = 0;
        dp[0][0] = 1;

        for(int i = 1; i <= s.size(); i++)
        {
            for(int j = 1; j <= t.size(); j++)
            {
                if(s[i-1] == t[j-1]) dp[i][j] = dp[i-1][j-1] + dp[i-1][j];
                else dp[i][j] = dp[i-1][j];
            }
        }

        return dp[s.size()][t.size()];
    }
};

LeetCode 583. 两个字符串的删除操作

题目链接：583. 两个字符串的删除操作

踩坑：看了视频，再次感叹动态规划的nb

思路：

1. dp数组的含义：dp[i][j]：以i-1结尾的word1与以j-1结尾的word2相等最少的删除步骤
2. 递推公式：当word1[i-1] == word2[j-1]时，两个字符串相等所要执行的步骤不受影响，dp[i][j] = dp[i-1][j-1]。如果不相等，有两个选择，要么删除word1，要么删除word2，要么全删，所以dp[i][j] = min(1+dp[i-1][j], 1+dp[i][j-1], 2+dp[i-1][j-1])，第三项在逻辑上会与前两项重复，所以可以省去。
3. 初始化：有递推公式可知，dp[i][j]依赖左，上，左上方。因此需要初始化第一行，第一列。同时根据题目要求与dp数组定义，dp[i][0] = i, dp[0][j] = j
4. 遍历顺序：从左到右，从上到下

代码：

class Solution {
public:
    int minDistance(string word1, string word2) {
        vector<vector<int>> dp(word1.size()+1, vector<int>(word2.size()+1, 0));

        for(int i = 0; i <= word1.size(); i++) dp[i][0] = i;
        for(int j = 0; j <= word2.size(); j++) dp[0][j] = j;

        for(int i = 1; i <= word1.size(); i++)
        {
            for(int j = 1; j <= word2.size(); j++)
            {
                if(word1[i-1] == word2[j-1]) dp[i][j] = dp[i-1][j-1];
                else dp[i][j] = min(1 + dp[i-1][j], 1 + dp[i][j-1]);
            }
        }

        return dp[word1.size()][word2.size()];
    }
};

LeetCode 72. 编辑距离

题目链接： 72. 编辑距离

踩坑：看了视频

思路：核心是如果两个字符串想相同，仅通过删除与增加操作，所需的步骤数是一样的。而替换则是将字母替换成一样的，这样就比本就一样多出一步而已。其余都与583. 两个字符串的删除操作一样

代码：

class Solution {
public:
    int minDistance(string word1, string word2) {
        vector<vector<int>> dp(word1.size()+1, vector<int>(word2.size()+1, 0));

        for(int i = 0; i <= word1.size(); i++) dp[i][0] = i;
        for(int j = 0; j <= word2.size(); j++) dp[0][j] = j;

        for(int i = 1; i <= word1.size(); i++)
        {
            for(int j = 1; j <= word2.size(); j++)
            {
                if(word1[i-1] == word2[j-1]) dp[i][j] = dp[i-1][j-1];
                else dp[i][j] = min(min(dp[i-1][j] + 1, dp[i][j-1] + 1), dp[i-1][j-1] + 1);
            }
        }

        return dp[word1.size()][word2.size()];
    }
};