一、前言:
参考文献:代码随想录
今天的主题是对子序列和不同子序列进行统计;
二、判断子序列
1、思路:
本题延续了上一次的最长子序列的一题,就是判断t是否为s的子序列(可以不连续,但是不可以顺序调换);
我们来用动态规划五部曲分析:
(1)dp数组的定义 + 初始化:
在i - 1与j - 1的边界下,有多少个元素相同;
vector<vector<int>> dp(s.size() + 1, vector<int> (t.size() + 1, 0));
为什么长度要多一个呢?因为这样的话dp[0][0]是没有意义的,这样就可以简化初始化的过程;
(2)递推公式:
这里的递推公式与上次一模一样,如果t[i] == t[j - 1]那么就可以直接让dp[i][j]继承dp[i - 1][j - 1] 并且加一;
(3)遍历顺序:
从(1,1)开始遍历;
2、整体代码如下:
class Solution {
public:
// 与最长重复子串相同
bool isSubsequence(string s, string t) {
// dp数组 + 初始化
vector<vector<int>> dp(s.size() + 1, vector<int> (t.size() + 1, 0));
// 遍历顺序
for (int i = 1; i <= s.size(); i++)
{
for (int j = 1; j <= t.size(); j++)
{
// 递推公式
if (s[i - 1] == t[j - 1])
{
dp[i][j] = dp[i - 1][j - 1] +1;
}
else
{
dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);
}
}
}
// 判断是否成立
return s.size() == dp[s.size()][t.size()];
}
};
三、不同子序列
1、思路:
我们需要理清我们的需求:需要知道有几种匹配出相同字串的方法,需要返回的是几种方法;
本题利用的是dp数组来删除s和t来进行匹配,如果匹配成功就加上上一个状态的个数和没匹配成功的状态,换句话说就是上一个状态和删除s中一个字符的状态。
(1)定义dp数组:
vector<vector<uint64_t>> dp(s.size() + 1, vector<uint64_t> (t.size() + 1, 0));
没有什么区别,只是换成了long long;
(2)初始化:
这里的初始化就有讲究了,必须要清楚这个dp数组的含义,在s[i - 1]之前以及t[j - 1]之前的(包含当前)匹配成功了不同种类的个数;所以当dp[i][0]表示的是t数组为空字符串时,有几种匹配匹配方式?肯定是一种嘛!接着就是dp[0][j]有几种匹配方式?s都为空了,是一种。dp[0][0]是一个重叠状态,但是他们刚好能匹配,所以为1;
(3)遍历顺序:
还是从(1,1)开始推到,开始遍历;
(4)递推公式:
也分为相等或者不相等两种情况,相等就继承i-1andj-1这个dp的状态再加上删除掉s当前元素的状态;
不相等就只要继承删掉当前s的状态即可;
2、整体代码如下:
class Solution {
public:
int numDistinct(string s, string t) {
vector<vector<uint64_t>> dp(s.size() + 1, vector<uint64_t> (t.size() + 1, 0));
// 初始化
for (int i = 0; i < s.size() + 1; i++)
{
// t的所有元素都删除了,所以空字符串,匹配模式只有一种
dp[i][0] = 1;
}
for (int i = 1; i <= s.size(); i++)
{
for (int j = 1; j <= t.size(); j++)
{
// 递推公式
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()];
}
};
The leaning time is: 1h
Leave Message:
It is only with the heart that one can see rightly; what is essential is invisible to the sys.
只有用心才能看清;本质是肉眼看不见的。