子序列问题
子序列要求可以不是连续的 如果题目中说的是子数组则要求元素是连续的
300.最长递增子序列
本题由一个数组通过删除元素 得到最长的递增子序列 我们先确定dp数组的含义是以第i个元素结尾所有的最长自增子序列 初始化dp0为1 用两次for循环 不断遍历i之前的元素 如果小于i的元素 就说明dp[j]+1或者dp[i]本身的最大值是最长递增子序列 用ans记录答案
class Solution {
public:
int lengthOfLIS(vector<int>& nums) {
int len=nums.size();
if(len<=1){
return len;
}
vector<int> dp(len,1);
int ans=0;
for(int i=1;i<len;i++){
for(int j=0;j<i;j++){
if(nums[i]>nums[j]){
dp[i]=max(dp[i],dp[j]+1);
}
}
if(dp[i]>ans){
ans=dp[i];
}
}
return ans;
}
};
674. 最长连续递增序列
这一题就是连续的递增序列 思路和上一题是一样的 就是递推公式有区别 这一题我们不需要用两次for循环 来遍历i之前的元素 因为我们要求连续序列 不能够删除元素 所以一个循环记录最大值
class Solution {
public:
int findLengthOfLCIS(vector<int>& nums) {
if(nums.size()<=1){
return nums.size();
}
vector<int> dp(nums.size(),1);
int ans=0;
for(int i=1;i<nums.size();i++){
if(nums[i]>nums[i-1]){
dp[i]=dp[i-1]+1;
}
if(ans<dp[i]){
ans=dp[i];
}
}
return ans;
}
};
718. 最长重复子数组
这一题我们首先要确定dp数组的含义 因为有两个数组 我们很容易想到用二维数组来确定状态 但是dp[i][j]表示的是以i-1 j-1结尾的最长重复子数组(这里涉及到后面初始化方便)如果nums[i-1]和nums[j-1]相等则dp[i][j]=dp[i-1][j-1]+1(注意dp数组的含义)
class Solution {
public:
int findLength(vector<int>& nums1, vector<int>& nums2) {
vector<vector<int>> dp(nums1.size()+1,vector<int>(nums2.size()+1,0));
int ans=0;
for(int i=1;i<=nums1.size();i++){
for(int j=1;j<=nums2.size();j++){
if(nums1[i-1]==nums2[j-1]){
dp[i][j]=dp[i-1][j-1]+1;
}
if(ans<dp[i][j]){
ans=dp[i][j];
}
}
}
return ans;
}
};
1143.最长公共子序列
这一题同样思路 二维数组 dp数组含义也是一样的 不过这题是求最长公共子序列 如果nums[i-1]和nums[j-1]相等则dp[i][j]=dp[i-1][j-1]+1 如果不相等那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列,取最大的
class Solution {
public:
int longestCommonSubsequence(string text1, string text2) {
vector<vector<int>> dp(text1.size()+1,vector<int>(text2.size()+1,0));
for(int i=1;i<=text1.size();i++){
for(int j=1;j<=text2.size();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]);
}
}
}
return dp[text1.size()][text2.size()];
}
};
1035.不相交的线
这一题其实就是求最长公共子序列的问题
53. 最大子序和
dp数组的含义是下标为i的子数组最大的和 dp[i]只有两个方向可以推出来:dp[i - 1] + nums[i],即:nums[i]加入当前连续子序列和 nums[i],即:从头开始计算当前连续子序列和
class Solution {
public:
int maxSubArray(vector<int>& nums) {
if (nums.size() == 0) return 0;
vector<int> dp(nums.size(),0);
dp[0]=nums[0];
int ans=dp[0];
for(int i=1;i<nums.size();i++){
dp[i]=max(dp[i-1]+nums[i],nums[i]);
if(ans<dp[i]){
ans=dp[i];
}
}
return ans;
}
};
编辑距离问题
392.判断子序列
本题要求判断s是否是t的子序列 即t字符串可以通过删除元素变成s dp数组含义就是以i-1 j-1为结尾的相同的子序列
在确定递推公式的时候,首先要考虑如下两种操作,整理如下:
- if (s[i - 1] == t[j - 1])
- t中找到了一个字符在s中也出现了
- if (s[i - 1] == t[j - 1]),那么dp[i][j] = dp[i - 1][j - 1] + 1
- if (s[i - 1] != t[j - 1])
- 相当于t要删除元素,继续匹配
- dp[i][j] = dp[i][j - 1](就是说不看t中不相等的这个字符 因为求的是s是t的子串
class Solution {
public:
bool isSubsequence(string s, string t) {
vector<vector<int>> dp(s.size()+1,vector<int>(t.size()+1,0));
for(int i=1;i<s.size()+1;i++){
for(int j=1;j<t.size()+1;j++){
if(s[i-1]==t[j-1]){
dp[i][j]=dp[i-1][j-1]+1;
}else{
dp[i][j]=dp[i][j-1];
}
}
}
if(dp[s.size()][t.size()]==s.size()){
return true;
}else{
return false;
}
}
};
115.不同的子序列
这一题和上题思路类似 dp[i][j]:以i-1为结尾的s子序列中出现以j-1为结尾的t的个数为dp[i][j]
同样是分析两种情况
当s[i - 1] 与 t[j - 1]相等时,dp[i][j]可以有两部分组成。一部分是用s[i - 1]来匹配,那么个数为dp[i - 1][j - 1]。即不需要考虑当前s子串和t子串的最后一位字母,所以只需要 dp[i-1][j-1]。一部分是不用s[i - 1]来匹配,个数为dp[i - 1][j]。
当s[i - 1] 与 t[j - 1]不相等时,dp[i][j]只有一部分组成,不用s[i - 1]来匹配(就是模拟在s中删除这个元素),即:dp[i - 1][j]
对数组进行初始化 如果s为空 无法匹配只能为0 如果t为空 s删除元素即可得到空字符串 所以是为1的
class Solution {
public:
int numDistinct(string s, string t) {
vector<vector<uint64_t>> dp(s.size() + 1, vector<uint64_t>(t.size() + 1));
for (int i = 0; i < s.size(); i++) dp[i][0] = 1;
for (int j = 1; j < t.size(); j++) dp[0][j] = 0;
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()];
}
};
583. 两个字符串的删除操作
这一题求的是最小操作步数 操作的思路和上一题类似 如果元素相等则不需要操作 如果不相等 要么删除word1中元素 要么删除word2中元素 然后步数加1 取两者的最小值
初始化数组:当word1为空字符串 就要删除word2全部字符 以此类推
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=1;j<=word2.size();j++){
dp[0][j]=j;
}
for(int i=1;i<word1.size()+1;i++){
for(int j=1;j<word2.size()+1;j++){
if(word1[i-1]==word2[j-1]){
dp[i][j]=dp[i-1][j-1];
}else{
dp[i][j]=min(dp[i-1][j]+1,dp[i][j-1]+1);
}
}
}
return dp[word1.size()][word2.size()];
}
};
72. 编辑距离
这一题删除和添加实际上是同一个操作 等于多了一个替换操作 体现在元素不相等的时候 要么删除word1中的 要么删除word2中的 也可以保留这两个元素 然后替换其中的一个元素 只要取三者的最小值就可以
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({dp[i-1][j]+1,dp[i][j-1]+1,dp[i-1][j-1]+1});
}
}
}
return dp[word1.size()][word2.size()];
}
};