【leetcode】不同的子序列动态规划

最新推荐文章于 2024-07-22 16:27:42 发布

蔓蔓的学习记录

最新推荐文章于 2024-07-22 16:27:42 发布

阅读量335

点赞数 9

分类专栏：力扣算法文章标签： leetcode 动态规划算法

本文链接：https://blog.csdn.net/manerzi/article/details/136039320

版权

算法同时被 2 个专栏收录

59 篇文章 0 订阅

订阅专栏

力扣

52 篇文章 0 订阅

订阅专栏

该代码描述了如何使用动态规划解决字符串问题，计算s的子序列中t的前缀出现的次数，通过状态转移方程处理字符匹配情况。

摘要由CSDN通过智能技术生成

在这里插入图片描述

/**
 * @param {string} s
 * @param {string} t
 * @return {number}
 */
var numDistinct = function(s, t) {
    //初始化dp数组
    let dp=Array.from(Array(s.length+1),()=>Array(t.length+1).fill(0));
    //当j=0时，相当于t是空字符串，空字符串在另一个字符串的子串中出现一次，此时第一列都初始化为1
    for(let i=0;i<=s.length;i++){
        dp[i][0]=1;
    }
    //当s[i-1]==t[j-1]：
    //1、用s[i-1]来匹配==>dp[i][j]=dp[i-1][j-1]
    //2、不用s[i-1]来匹配==>dp[i][j]=dp[i-1][j]
    //当s[i-1]!=t[j-1]:不能用s[i-1]来匹配，s[i-1]匹配不了t[j-1]，所以dp[i][j]=dp[i-1][j]
    for(let i=1;i<=s.length;i++){
        for(let j=1;j<=t.length;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.length][t.length];
};

这个问题可以看作是子问题重复的决策过程,符合动态规划解决问题的特征。
可以定义状态dp[i][j]为,s的前i个字符组成的子序列中,t的前j个字符出现的次数。
然后递推关系为:
如果s[i] == t[j],那么两种可能

使用s[i]匹配t[j]
不使用s[i] 如果s[i] != t[j],那么只有一种可能就是不使用s[i]
边界条件为: 当j=0时,t为空串,则dp[i][0] = 1
最后结果就是dp[s.length][t.length]