leetcode动态规划（最长上升子序&正则表达式匹配）

在leetcode题库中，动态规划标签下题目数量稳居各标签下题目数量前列。想要学习算法或找工作笔试，动态规划是一个避不开的知识点。
但是，只要了解动态规划的解题步骤，大部分的动态规划题目求解并不会太困难。

0. 动态规划 简介

• 动态规划思想：将原问题拆解成重复子问题，然后递归地找到每个子问题的最优解，最后找到全局最优解。
• 关键点：初始状态、状态转移方程、边界条件
• 解题三步走：
  • 判断是否适用
    • 考虑能否将问题规模减小
    • 状态间是否存在关联
  • 总结状态转移方程
    • 一维动态规划
    • 二维动态规划
    • 区间动态规划
  • 确定边界条件

话不多说，我们看看leetcode题目！

1. 一维动态规划 (300.最长上升子序列)

1.1 判断是否使用DP(动态规划)

当输入数组为nums=[10] 时，最长上升子序长度为1 ([10]);
当输入数组为nums=[10,15] 时，最长上升子序长度为2 ([10,15]);
当输入数组为nums=[10,15,11] 时，最长上升子序长度为2 ([10,11]);
当输入数组为nums=[10,15,11,12] 时，最长上升子序长度为3 ([10,11,12]);

• 可以看出，原问题是可以被拆分为多个重复子问题迭代运算的，即动态规划算法适用。

1.2 状态转移方程

从上面描述中可以看出，只需判断新加入元素e与nums中每一个元素的大小关系，即可计算新的最长上升子序长度。采用dp[i]记录nums[0:i]的最长上升子序长度。例如，

• 当nums=[10],dp[0]=1;
  nums=[10,15],dp[1]=2
  nums=[10,15,11],dp[2]=2
  当新元素12加入nums=[10,15,11]时，则分别比较12与10、15、11的大小关系，如果12>nums[j] (0≤j<≤2)，则dp[3]=dp[j]+1。
  所以状态转移方程：$$dp[i]=Max\left(dp[j]\right)+1,其中0\le j<i且nums[j]<nums[i]$$

1.3 边界情况

此题的边界条件比较简单，当nums长度为1，最长上升子序长度为1，即dp[0]==1。

解题过程动画

代码实现：

class Solution:
    def lengthOfLIS(self, nums: List[int]) -> int:
        dp = [1] * len(nums)
        # 遍历nums元素，计算以当前元素结尾时的最长上升子序长度
        for i in range(len(nums)): 
            tmpmax = 1
            # 比较新加入元素与第0到第(i-1)个元素的大小，并更新最长上升子序长度
            for j in range(0 ,i):
                if nums[j] < nums[i]:
                    if tmpmax < dp[j] + 1:
                        tmpmax = dp[j] + 1
            dp[i] = tmpmax
        return max(dp)

2. 二维动态规划 (10.正则表达式匹配)

2.1 判断是否使用DP(动态规划)

如果，s = “abc”， p = “abc”，那么s、p是否可以匹配，则决定于s2 = "ab"和p2 = "ab"是否匹配，以及字符串s的最后一个字母与字符串s最后一个字母是否匹配。即原问题可以拆分为重复子问题。

2.2 状态转移方程

假设当前子问题下，字符串s的长度为i-1，字符串p的长度为j-1。根据题目可知字符串p最后一个字符的取值有三种情况。

• p的最后一个字符是字母，那么如果s[i]==p[j]，且s[0:i-1]与p[0:j-1]匹配，则s与p匹配。
• p的最后一个字符是"."，那么只要s[0:i-1]与p[0:j-1]匹配，则s与p匹配。
• p的最后一个字符是"* "，那么表示p的第j−1个字符匹配任意自然数次(包括0次)；
  • 如果匹配0次，只要s[0:i]与p[0:j-2]匹配，则s与p匹配；
  • 如果匹配非0次，需要s[i]==p[j-1] (p[j-1]为".")，且s[0:i-1]与p[0:j]匹配,才满足s与p匹配。

使用二维数组dp[i][j]表示s的前i个字符与p中的前j个字符是否能够匹配，取值布尔类型。则状态转移方程：

2.3 边界情况

• 若字符串s长度为i，p长度为j，数组dp长度(i+1)*(j+1)，dp[0][0]
  =True，表示两个空字符串匹配。
• dp[0][k]表示字符串s为空，p不为空情况，需要提前对该行进行初始化。

代码实现：

class Solution:
    def isMatch(self, s: str, p: str) -> bool:
        len_p = len(p)
        len_s = len(s)
        matrix = [[False for i in range(len_s+1)] for j in range(len_p+1)]
        matrix[0][0] = True
        k = 0
        for i in range(len_p):
            if p[i]=='*':
                k = k+1
                if k*2 > i:
                    matrix[i+1][0] = True
        for i in range(1, len_p+1):
            for j in range(1, len_s+1):
                if p[i-1] == s[j-1] or p[i-1]==".":
                    matrix[i][j] = matrix[i-1][j-1]
                elif p[i-1] == "*":
                    matrix[i][j] = matrix[i - 2][j]
                    if p[i-2] == s[j-1] or p[i-2]=='.':
                        matrix[i][j] |= matrix[i][j-1]
                else:
                    matrix[i][j] = False
        return matrix[len_p][len_s]

更多内容欢迎关注个人公众号：PythonAndDataTech