lc_5419. 两个子序列的最大点积

5419. 两个子序列的最大点积

题目描述

给你两个数组 nums1 和 nums2 。
请你返回 nums1 和 nums2 中两个长度相同的 非空 子序列的最大点积。
数组的非空子序列是通过删除原数组中某些元素（可能一个也不删除）后剩余数字组成的序列，但不能改变数字间相对顺序。比方说，[2,3,5] 是 [1,2,3,4,5] 的一个子序列而 [1,5,3] 不是。

示例 1：
输入：nums1 = [2,1,-2,5], nums2 = [3,0,-6]
输出：18
解释：从 nums1 中得到子序列 [2,-2] ，从 nums2 中得到子序列 [3,-6] 。
它们的点积为 (23 + (-2)(-6)) = 18 。

示例 2：
输入：nums1 = [3,-2], nums2 = [2,-6,7]
输出：21
解释：从 nums1 中得到子序列 [3] ，从 nums2 中得到子序列 [7] 。
它们的点积为 (3*7) = 21 。

示例 3：
输入：nums1 = [-1,-1], nums2 = [1,1]
输出：-1
解释：从 nums1 中得到子序列 [-1] ，从 nums2 中得到子序列 [1] 。
它们的点积为 -1 。

提示：
1 <= nums1.length, nums2.length <= 500
-1000 <= nums1[i], nums2[i] <= 100

分析： DP 问题
对于 两个序列求其子序列的问题，通常有两种状态定义方法：
a. dp[i][j] : 表示以 nums1[i],nums2[j] 结尾的子序列的最大点积。
b. dp[i][j]：表示 以nums1[0，，，i],nums2[0，，，j]，不包括 nums1[i] , nums2[j] ,不用 nums1[i],nums2[j] 结尾 的子序列的最大点积。
先分析 定义a , 当只选尾元素的时候，
dp[i][j] = nums1[i] * nums2[j]
选尾元素 加前面的点积时
dp[i][j] = max(nums1[i] * nums2[j] ,nums1[i]nums2[j] + max_val)
时间复杂度分析:
首先计算 nn 个dp 值，然后还需要计算 前面子序列点积的最大值，又要 n * n ，一共就是 n^ 4 。
所以放弃 情况a 状态定义 。

分析情况 b 的定义，情况 b 对于nums1[i] 和 nums2[j] 可选可不选 ，可分为情况讨论

1. 选择 nums1[i],nums2[j]，
   dp[i][j] = max(nums1[i] * nums2[j] + dp[i-1][j-1],nums1[i] * nums2[j],dp[i-1][j-1])
2. 选 nums[i] ,不选 nums2[j],
   dp[i][j] = max(dp[i][j-1],dp[i][j])
3. 不选 nums1[i],选 nums2[j] ,
   dp[i][j] = max(dp[i-1][j],dp[i][j])
   res = dp[len(nums1)][len(nums2)]

def maxDotProduct(nums1, nums2):
    n1 ,n2 = len(nums1),len(nums2)
    dp = [[-float('inf')] * (n1 +1) for _ in range(n2+1)]
    for i in range(1,n2+1):
        for j in range(1,n1+1):
            tmp = nums2[i-1] * nums1[j-1]
            #选择 nums1[i],nums2[j]
            dp[i][j] = max(tmp,tmp + dp[i-1][j-1],dp[i-1][j-1])
            #选 nums1 不选 nums2
            dp[i][j] = max(dp[i][j-1],dp[i][j])
            # 选 nums2 不选 nums1 
            dp[i][j] = max(dp[i-1][j],dp[i][j])
    return dp[-1][-1]

时间复杂度 ：O（n * n )