子序列与子数组区别
子序列不一定连续,子数组一定连续
300.最长递增子序列
题目链接:. - 力扣(LeetCode)
讲解视频:
动态规划之子序列问题,元素不连续!| LeetCode:300.最长递增子序列
题目描述:
给你一个整数数组 nums
,找到其中最长严格递增子序列的长度。
子序列 是由数组派生而来的序列,删除(或不删除)数组中的元素而不改变其余元素的顺序。例如,[3,6,2,7]
是数组 [0,3,1,6,2,2,7]
的子序列。
示例 1:
输入:nums = [10,9,2,5,3,7,101,18] 输出:4 解释:最长递增子序列是 [2,3,7,101],因此长度为 4 。
解题思路:
1、状态表示:
dp[i] 表示:以 i 位置元素为结尾的「所有子序列」中,最长递增子序列的长度。
2、状态转移方程:
对于 dp[i] ,我们可以根据「子序列的构成方式」,进行分类讨论:
- 子序列长度为 1 :只能自己玩了,此时 dp[i] = 1 ;
- 子序列长度大于 1 : nums[i] 可以跟在前面任何一个数后面形成子序列。
设前面的某一个数的下标为 j ,其中 0 <= j <= i - 1 。只要 nums[j] < nums[i] , i 位置元素跟在 j 元素后面就可以形成递增序列,长度为 dp[j] + 1 。因此,我们仅需找到满足要求的最大的 dp[j] + 1 即可。综上, dp[i] = max(dp[j] + 1, dp[i]) ,其中 0 <= j <= i - 1 && nums[j]
< nums[i] 。
3、初始化:所有的元素「单独」都能构成一个递增子序列,因此可以将 dp 表内所有元素初始化为 1 。
由于用到前面的状态,因此我们循环的时候从第二个位置开始即可。4、遍历顺序:
填表顺序「从左往右」。
5、返回值:
由于不知道最长递增子序列以谁结尾,因此返回 dp 表里面的「最大值」。
代码:
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
int n = nums.size();
vector<int> dp(n,1);
int ret = 1;
for(int i = 1; i < n; i++)
{
for(int j = 0; j <= i - 1; j++)
if(nums[i] > nums[j])
dp[i] = max(dp[i],dp[j]+1);
ret = max(ret,dp[i]);
}
return ret;
}
};
674. 最长连续递增序列
题目链接:. - 力扣(LeetCode)
讲解视频:
动态规划之子序列问题,重点在于连续!| LeetCode:674.最长连续递增序列
题目描述:
给定一个未经排序的整数数组,找到最长且 连续递增的子序列,并返回该序列的长度。
连续递增的子序列 可以由两个下标 l
和 r
(l < r
)确定,如果对于每个 l <= i < r
,都有 nums[i] < nums[i + 1]
,那么子序列 [nums[l], nums[l + 1], ..., nums[r - 1], nums[r]]
就是连续递增子序列。
示例 1:
输入:nums = [1,3,5,4,7] 输出:3 解释:最长连续递增序列是 [1,3,5], 长度为3。 尽管 [1,3,5,7] 也是升序的子序列, 但它不是连续的,因为 5 和 7 在原数组里被 4 隔开。
解题思路:
1、状态表示:
dp[i] 表示:以 i 位置元素为结尾的「所有子序列」中,最长连续递增子序列的长度。
2、状态转移方程:
对于 dp[i] ,我们可以根据「子序列的构成方式」,进行分类讨论:
- 子序列长度为 1 :只能自己玩了,此时 dp[i] = 1 ;
- 子序列长度大于 1 : nums[i] 只能跟在nums[i-1]后面形成子序列。
只有 nums[i-1] < nums[i] , i 位置元素跟在 i-1元素后面就可以形成递增序列,长度为 dp[i-1] + 1 。综上, dp[i] = dp[i-1] + 1 ,其中nums[i-1]< nums[i] 。
3、初始化:所有的元素「单独」都能构成一个递增子序列,因此可以将 dp 表内所有元素初始化为 1 。
由于用到前面的状态,因此我们循环的时候从第二个位置开始即可。4、遍历顺序:
填表顺序「从左往右」。
5、返回值:
由于不知道最长递增子序列以谁结尾,因此返回 dp 表里面的「最大值」。
代码:
class Solution {
public:
int findLengthOfLCIS(vector<int>& nums) {
int n = nums.size();
vector<int> dp(n,1);
int ret = 1;
for(int i = 1; i < n; i++)
{
if(nums[i-1] < nums[i])
dp[i] = dp[i-1]+1;
ret = max(ret,dp[i]);
}
return ret;
}
};
718. 最长重复子数组
题目链接:. - 力扣(LeetCode)
讲解视频:
动态规划之子序列问题,想清楚DP数组的定义 | LeetCode:718.最长重复子数组
题目描述:
给两个整数数组 nums1
和 nums2
,返回 两个数组中 公共的 、长度最长的子数组的长度 。
示例 1:
输入:nums1 = [1,2,3,2,1], nums2 = [3,2,1,4,7] 输出:3 解释:长度最长的公共子数组是 [3,2,1] 。
解题思路:
子数组是数组中「连续」的一段,我们习惯上「以某一个位置为结尾」来研究。由于是两个数组,因此我们可以尝试:以第一个数组的 i 位置为结尾以及第二个数组的 j 位置为结尾来解决问
题。1、状态表示:
dp[i][j] 表示「以第一个数组的 i 位置为结尾」,以及「第二个数组的 j 位置为结尾」公
共的 、长度最长的「子数组」的长度。2、状态转移方程:
对于 dp[i][j] ,当 nums1[i] == nums2[j] 的时候,才有意义,此时最长重复子数组的长度应该等于 1 加上除去最后一个位置时,以 i - 1, j - 1 为结尾的最长重复子数组的长度。因此,状态转移方程为: dp[i][j] = dp[i - 1][j - 1] + 1
3、初始化:为了处理「越界」的情况,我们可以添加一行和一列,dp 数组的下标从 1 开始,这样就无需初始化。第一行表示第一个数组为空,此时没有重复子数组,因此里面的值设置成0即可;第一列也是同理。
4、遍历顺序:
「从上往下」填每一行,每一行「从左往右」。
5、返回值:
根据「状态表示」,我们需要返回 dp 表里面的「最大值」。
代码:
class Solution {
public:
int findLength(vector<int>& nums1, vector<int>& nums2) {
int n = nums1.size(), m = nums2.size();
vector<vector<int>> dp(n+1,vector<int>(m+1));
int ret = 0;
for(int i = 1; i <= n; i++)
for(int j = 1; j <= m; j++)
{
if(nums1[i-1] == nums2[j-1])
dp[i][j] = dp[i-1][j-1]+1;
ret = max(ret,dp[i][j]);
}
return ret;
}
};
1143.最长公共子序列
题目链接:. - 力扣(LeetCode)
讲解视频:
动态规划子序列问题经典题目 | LeetCode:1143.最长公共子序列
题目描述:
给定两个字符串 text1
和 text2
,返回这两个字符串的最长 公共子序列 的长度。如果不存在 公共子序列 ,返回 0
。
一个字符串的 子序列 是指这样一个新的字符串:它是由原字符串在不改变字符的相对顺序的情况下删除某些字符(也可以不删除任何字符)后组成的新字符串。
- 例如,
"ace"
是"abcde"
的子序列,但"aec"
不是"abcde"
的子序列。
两个字符串的 公共子序列 是这两个字符串所共同拥有的子序列。
示例 1:
输入:text1 = "abcde", text2 = "ace" 输出:3 解释:最长公共子序列是 "ace" ,它的长度为 3 。
解题思路:
比上一题最长重复子数组多了一种判断,即如果nums[i] != nums[j]还能求dp[i][j],而不是0
1、状态表示:
dp[i][j]表示:s1的[0,i]区间以及 s2 的[0,j]区间内的所有的子序列中,最长公共子序列的长度。
2、状态转移方程:
分析状态转移方程的经验就是根据「最后一个位置」的状况,分情况讨论。对于 dp[i][j] ,我们可以根据 s1[i] 与 s2[j] 的字符分情况讨论:
- 两个字符相同, s1[i] = s2[j] :那么最长公共子序列就在 s1 的 [0, i - 1] 以及 s2 的 [0, j - 1] 区间上找到一个最长的,然后再加上 s1[i] 即可。因此dp[i][j] = dp[i - 1][j - 1] + 1 ;
- 两个字符不相同, s1[i] != s2[j] :那么最长公共子序列一定不会同时以 s1[i]和 s2[j] 结尾。那么我们找最长公共子序列时,有下面三种策略:
- 去 s1 的 [0, i - 1] 以及 s2 的 [0, j] 区间内找:此时最大长度为 dp[i- 1][j] ;
- 去 s1 的 [0, i] 以及 s2 的 [0, j - 1] 区间内找:此时最大长度为 dp[i ][j - 1] ;
- 去 s1 的 [0, i - 1] 以及 s2 的 [0, j - 1] 区间内找:此时最大长度为dp[i - 1][j - 1] 。
我们要三者的最大值即可。但是我们细细观察会发现,第三种包含在第一种和第二种情况里
面,但是我们求的是最大值,并不影响最终结果。因此只需求前两种情况下的最大值即可。
综上,状态转移方程为:
if(s1[i] == s2[j]) dp[i][j] = dp[i - 1][j - 1] + 1 ;
if(s1[i] != s2[j]) dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]) 。
3、初始化:第一行和第一列里面的值初始化为 0
4、遍历顺序:
「从上往下」填每一行,每一行「从左往右」。
5、返回值:
根据「状态表示」,我们需要返回 dp 表里面的「最大值」。
代码:
class Solution {
public:
int longestCommonSubsequence(string text1, string text2) {
int n = text1.size(), m = text2.size();
vector<vector<int>> dp(n+1,vector<int>(m+1));
int ret = 0;
for(int i = 1; i <= n; i++)
{
for(int j = 1; j <= m; j++)
{
if(text1[i-1] == text2[j-1]) dp[i][j] = dp[i-1][j-1]+1;
else dp[i][j] = max(dp[i-1][j],dp[i][j-1]);
ret = max(dp[i][j],ret);
}
}
return ret;
}
};
1035.不相交的线
题目链接:. - 力扣(LeetCode)
讲解视频:
动态规划之子序列问题,换汤不换药 | LeetCode:1035.不相交的线
题目描述:
在两条独立的水平线上按给定的顺序写下 nums1
和 nums2
中的整数。
现在,可以绘制一些连接两个数字 nums1[i]
和 nums2[j]
的直线,这些直线需要同时满足:
-
nums1[i] == nums2[j]
- 且绘制的直线不与任何其他连线(非水平线)相交。
请注意,连线即使在端点也不能相交:每个数字只能属于一条连线。
以这种方法绘制线条,并返回可以绘制的最大连线数。
示例 1:
输入:nums1 = [1,4,2], nums2 = [1,2,4] 输出:2 解释:可以画出两条不交叉的线,如上图所示。 但无法画出第三条不相交的直线,因为从 nums1[1]=4 到 nums2[2]=4 的直线将与从 nums1[2]=2 到 nums2[1]=2 的直线相交。
解题思路:
经分析会发现本题跟上一题的最长公共子序列一模一样
代码:
class Solution {
public:
int maxUncrossedLines(vector<int>& nums1, vector<int>& nums2) {
int n = nums1.size(), m = nums2.size();
vector<vector<int>> dp(n+1,vector<int>(m+1));
int ret = 0;
for(int i = 1; i <= n; i++)
{
for(int j = 1; j <= m; j++)
{
if(nums1[i-1] == nums2[j-1]) dp[i][j] = dp[i-1][j-1]+1;
else dp[i][j] = max(dp[i-1][j],dp[i][j-1]);
ret = max(ret, dp[i][j]);
}
}
return ret;
}
};
53. 最大子数组和
题目链接:. - 力扣(LeetCode)
讲解视频:
看起来复杂,其实是简单动态规划 | LeetCode:53.最大子序和
题目描述:
给你一个整数数组 nums
,请你找出一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。子数组是数组中的一个连续部分。
示例 1:
输入:nums = [-2,1,-3,4,-1,2,1,-5,4] 输出:6 解释:连续子数组 [4,-1,2,1] 的和最大,为 6 。
解题思路:
该题目与前边674.最长连续递增序列相似
1、状态表示:
dp[i] 表示:以 i 位置元素为结尾的「所有子数组」中和的最大和。
2、状态转移方程:
dp[i] 的所有可能可以分为以下两种:
- 子数组的长度为 1 :此时 dp[i] = nums[i] ;
- 子数组的长度大于 1 :此时 dp[i] 应该等于 以 i - 1 做结尾的「所有子数组」中和的最大值再加上 nums[i] ,也就是 dp[i - 1] + nums[i] 。
由于我们要的是「最大值」,因此应该是两种情况下的最大值,因此可得转移方程:
dp[i] = max(dp[i], dp[i - 1] + nums[i]) 。
3、初始化:使用nums数组进行初始化
4、遍历顺序:
「从左往右」。
5、返回值:
根据「状态表示」,我们需要返回 整个dp 表里面的「最大值」。
代码:
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int n = nums.size();
vector<int> dp(nums.begin(),nums.end());
int ret = nums[0];
for(int i = 1; i < n; i++)
{
dp[i] = max(dp[i],dp[i-1]+nums[i]);
ret = max(ret,dp[i]);
}
return ret;
}
};