字符串DP问题

前言

最长回文数序列

二维DP数组解决

对于一些字符串问题,比如求一串字符中最长的回文串,或者是一些回文串的变种问题,我们一般可以使用一个二维的DP数组来保存计算的结果,从而减少计算量,下面我用两个例题来解释

例题1

例题的链接

例题2

516. Longest Palindromic Subsequence
给定一个字符串s,找出s中最长的回文子序列的长度。
子序列是一个序列,可以通过删除部分或不删除元素而从另一个序列派生,而不改变其余元素的顺序。

我们可以将一个字符串的任意字串用一个二维DP数组来表示,比如s[2,4]可以表示为DP[2][4]

所以我们这个问题可以用DP[2][4]表示字符串s[2,4]字串中最长的回文串的长度

所以这个问题的state transition 方程为:
{ d p [ i ] [ j ] = d p [ i − 1 ] [ j + 1 ] + 2 s [ i ] = s [ j ] d p [ i ] [ j ] = m a x

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,关于动态规划解决字符串修改问题,我可以给你一些解释。动态规划是一种常见的算法思想,用于解决具有重叠子问题和最优子结构性质的问题字符串修改问题可以看作是一种编辑距离问题,也就是将一个字符串转换成另一个字符串所需的最少操作数,包括插入、删除、替换等操作。动态规划的思想是将问题分解成子问题,通过求解子问题的最优解来得到原问题的最优解。 具体来说,我们可以定义一个二维数组dp[i][j],表示将字符串s1的前i个字符转换成字符串s2的前j个字符所需的最少操作数。其中,dp[0][0]=0,表示两个空字符串之间的编辑距离为0。对于dp[i][j],我们可以分三种情况讨论: 1. s1的第i个字符和s2的第j个字符相同,此时不需要进行任何操作,dp[i][j]=dp[i-1][j-1]。 2. s1的第i个字符和s2的第j个字符不同,此时我们需要进行插入、删除或替换操作,那么dp[i][j]就可以由以下三种情况转移得到: - 插入操作:在s1的第i个字符后面插入s2的第j个字符,即dp[i][j]=dp[i][j-1]+1。 - 删除操作:将s1的第i个字符删除,即dp[i][j]=dp[i-1][j]+1。 - 替换操作:将s1的第i个字符替换成s2的第j个字符,即dp[i][j]=dp[i-1][j-1]+1。 3. 当i=0或j=0时,其中一个字符串为空字符串,此时dp[i][j]的值就等于另一个字符串的长度。 最后,dp[n][m]就是将字符串s1转换成字符串s2所需的最小操作数,其中n和m分别表示字符串s1和s2的长度。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值