动态规划—不同子序列 解析+代码

不同子序列

题目链接：不同的子序列

题目描述：

因为需要前字符匹配的状态，所以我们考虑可以使用动态规划

状态是一维数组还是二维数组？

使用一维数组还是二维数组视情况而定。
题目所求是字符串S有几个子序列和T匹配，可能有人就认为只需要记录分解S就好了，但是如果只用S的子序列去匹配T，那么就要求子序列的长度必须大于等于T的长度，这是无法规划，无法定义出状态的。
所以我们尝试将用S的子序列去匹配T的子序列
状态定义为：S的 i 个字符匹配T的 j 个字符
所以我们使用二维数组 F(i ，j)

状态转移

状态：S的前 i 个字符和T的前 j 个字符的匹配个数
要匹配成功，S的第 i 个字符和T的第 j 个字符就必须一样
当S[ i ] == T[ j ]时，那么只要S的前 i-1 个字符和T的前 j-1 个字符也可以匹配就好
但是也存在像 S = “rabbb”，T = “rabb”，虽然S[ 5 ] ==T[ 4 ]，但是使用S的最后一个字符一样可以匹配成功
所以 S[ i ] ==T[ j ]有两种情况：使用S的最后一个字符 or 不使用
因为是求次数，所以两种情况相加

当S [ i ] != T [ j ]时，就缩小问题，看S的前 i-1 个字符和T的前 j-1 个字符有多少匹配

所以状态转移方程：
S[ i ] ==T[ j ]，F(i，j) = F(i-1，j-1) + F(i-1，j)
S[ i ] !=T[ j ]， F(i，j) = F(i-1，j)

初始状态

若 i=0时，代表S的空串去匹配T的子串，不管T是什么，都是可以匹配成功的，所以F(i，0)=1
而 j=0时，代表S的子串去匹配T的空串，则无法匹配，所以F(0，j)=0

代码

int numDistinct(string S, string T)
    {
        // write code here
        int row=S.size();
        int col=T.size();

        vector<vector<int>>dp(row+1,vector<int>(col+1,0));

        dp[0][0]=1;
        for(int i=1;i<=row;++i)
        {
            dp[i][0]=1;
            for(int j=1;j<=col;++j)
            {
                //最后一个字符相同
                //dp[i-1][j-1]是使用匹配的最后一个字符
                //dp[i-1][j]是不使用匹配的最后一个字符
                if(S[i-1]==T[j-1])
                    dp[i][j]=dp[i-1][j-1]+dp[i-1][j];
                else//不相同，转化成子问题S的i-1个字符匹配T的j个字符
                    dp[i][j]=dp[i-1][j];
            }
        }

        return dp[row][col];
    }

空间优化

但是在实际使用中，我们发现二维数组的数据其实每次只用到当前行的上一行，所以我们可以将其优化成一维数组，但是 j 循环的起始应是最右边，从右往左更新，才不会提前覆盖所需数据

代码如下：

//一维数组
    int numDistinct(string S, string T)
    {
        // write code here
        int row=S.size();
        int col=T.size();

        vector<int>dp(col+1,0);

        dp[0]=1;
        for(int i=1;i<=row;++i)
        {
        	//从右往左更新
            for(int j=col;j>=0;--j)
            {
                if(S[i-1]==T[j-1])
                    dp[j]=dp[j-1]+dp[j];
                 //else删除行后变成 dp[j]=dp[j]，所以省略
            }
        }

        return dp[col];
    }