1143.最长公共子序列
看完想法:本题和动态规划:718. 最长重复子数组 (opens new window)区别在于这里不要求是连续的了,但要有相对顺序。在dp定义时也可以定义dp[i]为下标为i-1的数组的最长公共子序列。dp递推公式中,dp[i][j]可以来自3个方面,总体分为两个,textA和textB在第i-1个元素相等或者不等。其余718都相同。dp[i][j]和test[i], test[j]中,i, j的含义不要搞混了!
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++){
//text[i-1]作比较,要和dp定义对应
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()];
- 时间复杂度: O(n * m),其中 n 和 m 分别为 text1 和 text2 的长度
1035.不相交的线
看完想法:本题说是求绘制的最大连线数,其实就是求两个字符串的最长公共子序列的长度!和上个题目的代码一模一样,就改一改变量名字
53. 最大子序和
看完想法:在dp递推公式中一定是取最大的,所以dp[i] = max(dp[i - 1] + nums[i], nums[i]);注意这里dp初始化,根据dp的定义,要取dp[0] = nums[0],因为是最大和
if (nums.size() == 0) return 0;
vector<int> dp(nums.size());
dp[0] = nums[0];
int result = dp[0];
for (int i = 1; i < nums.size(); i++) {
dp[i] = max(dp[i - 1] + nums[i], nums[i]); // 状态转移公式
if (dp[i] > result) result = dp[i]; // result 保存dp[i]的最大值
}
return result;
392.判断子序列
看完想法:这题目有一些复杂。dp的定义和最长公共子序列的定义一样,也是从0到i-1。在dp递推公式的时候,针对两个数组大小不一样,就要删除较大的数组的当前元素。此时相当于t要删除元素,t如果把当前元素t[j - 1]删除,那么dp[i][j] 的数值就是 看s[i - 1]与 t[j - 2]的比较结果了,即:dp[i][j] = dp[i][j - 1];
- 如果 (s[i - 1] == t[j - 1])t中找到了一个字符在s中也出现了。如果 (s[i - 1] != t[j - 1])相当于t要删除元素,继续匹配
最后输出比较dp的长度如果和短的一样,就是子序列;否则就不是
vector<vector<int>> dp(s.size() + 1, vector<int>(t.size() + 1, 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] + 1;
else dp[i][j] = dp[i][j - 1];
}
}
if (dp[s.size()][t.size()] == s.size()) return true;
return false;