Day39 | 1143.最长公共子序列 1035.不相交的线 53. 最大子序和 392.判断子序列

语言

Java

1143.最长公共子序列

最长公共子序列

题目

给定两个字符串 text1 和 text2，返回这两个字符串的最长 公共子序列 的长度。如果不存在 公共子序列 ，返回 0 。

一个字符串的 子序列 是指这样一个新的字符串：它是由原字符串在不改变字符的相对顺序的情况下删除某些字符（也可以不删除任何字符）后组成的新字符串。

• 例如，"ace" 是 "abcde" 的子序列，但 "aec" 不是 "abcde" 的子序列。

两个字符串的 公共子序列 是这两个字符串所共同拥有的子序列。

思路

依旧采取动规五部曲分析

1.dp数组的含义

在i,j的时候相同的个数

2.递推公式

如果字符比较相等的情况下

dp[i][j] = dp[i - 1][j - 1] + 1;

如果字符比较不相等的情况下

dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);

3.初始化

全初始化为0

4.遍历顺序

都可以

5.举例推导正确答案

代码

class Solution {
    public int longestCommonSubsequence(String text1, String text2) {
        //定义一个二维数组，数组的含义是最长公共子序列
        //初始化为0
        //循环方式 都可以
        int[][] dp = new int[text1.length() + 1][text2.length() + 1];
        for (int i = 1; i <= text1.length(); i++) {
            char char1 = text1.charAt(i - 1);
            for (int j = 1; j <= text2.length(); j++) {
                char char2 = text2.charAt(j - 1);
                if (char1 == char2) {
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                } else {
                    dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);
                }
            }
        }
        return dp[text1.length()][text2.length()];
    }
}

易错点

在第一遍思考的时候我就有想到要两个字符进行比较，后来才想到要用char进行比较

还有循环判断条件那里是小于等于。不是小于

1035.不相交的线

不相交的线

题目

在两条独立的水平线上按给定的顺序写下 nums1 和 nums2 中的整数。

现在，可以绘制一些连接两个数字 nums1[i] 和 nums2[j] 的直线，这些直线需要同时满足：

•  nums1[i] == nums2[j]
• 且绘制的直线不与任何其他连线（非水平线）相交。

请注意，连线即使在端点也不能相交：每个数字只能属于一条连线。

以这种方法绘制线条，并返回可以绘制的最大连线数。

思路

与上题一模一样

就是套了个线的壳子

就不做分析了。

代码

class Solution {
    public int maxUncrossedLines(int[] nums1, int[] nums2) {
         int[][] dp = new int[nums1.length + 1][nums2.length + 1];
        for (int i = 1; i <= nums1.length; i++) {
            int num1 = nums1[i - 1];
            for (int j = 1; j <= nums2.length; j++) {
                int num2 = nums2[j - 1];
                if (num1 == num2) {
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                } else {
                    dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);
                }
            }
        }
        return dp[nums1.length][nums2.length];
    }
}

易错点

无

53. 最大子序和

最大子序和

题目

给你一个整数数组 nums ，请你找出一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。

子数组是数组中的一个连续部分。

思路

动规五部曲分析

1.dp数组的含义

代表为i时最大的值

2.递推公式

• 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

可以推出来dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);

3.初始化

dp[0]初始化为nums[0]

4.遍历顺序

递推公式中dp[i]依赖于dp[i - 1]的状态，需要从前向后遍历

5.举例推导正确性

代码

class Solution {
    public int maxSubArray(int[] nums) {
        if (nums.length == 0) {
            return 0;
        }

        int res = nums[0];
        int[] dp = new int[nums.length];
        dp[0] = nums[0];
        for (int i = 1; i < nums.length; i++) {
            dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]);
            res = res > dp[i] ? res : dp[i];
        }
        return res;
    }
}

易错点

易错点在于递推公式，要比较之前的最大还是当前值最大

还有结果的迭代

392.判断子序列

判断子序列

题目

给定字符串 s 和 t ，判断 s 是否为 t 的子序列。

字符串的一个子序列是原始字符串删除一些（也可以不删除）字符而不改变剩余字符相对位置形成的新字符串。（例如，"ace"是"abcde"的一个子序列，而"aec"不是）。

进阶：

如果有大量输入的 S，称作 S1, S2, ... , Sk 其中 k >= 10亿，你需要依次检查它们是否为 T 的子序列。在这种情况下，你会怎样改变代码？

思路

1.确定dp数组（dp table）以及下标的含义

dp[i][j] 表示以下标i-1为结尾的字符串s，和以下标j-1为结尾的字符串t，相同子序列的长度为dp[i][j]

2.递推公式

• 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])
  • 相当于t要删除元素，继续匹配

dp[i][j] = dp[i - 1][j - 1] + 1;

dp[i][j] = dp[i][j - 1];

3.dp数组如何初始化

都初始化为0

4.遍历顺序

同理从递推公式可以看出dp[i][j]都是依赖于dp[i - 1][j - 1] 和 dp[i][j - 1]，那么遍历顺序也应该是从上到下，从左到右

5.举例推导结果

代码

class Solution {
    public boolean isSubsequence(String s, String t) {
        int length1 = s.length();
        int length2 = t.length();
        int[][] dp = new int[length1 + 1][length2 + 1];
        for (int i = 1; i <= length1; i++) {
            for (int j = 1; j <= length2; j++) {
                if (s.charAt(i - 1) == t.charAt(j - 1)) {
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                } else {
                    dp[i][j] = dp[i][j - 1];
                }
            }
        }
        if (dp[length1][length2] == length1) {
            return true;
        } else {
            return false;
        }
    }
}

易错点

在else的时候与公共子序列不一致。

总结

开启了子序列问题

明天继续动态规划！

坚持就是胜利

永远没有人力可以击退一个坚决强毅的希望