我们在两条独立的水平线上按给定的顺序写下 A 和 B 中的整数。
现在,我们可以绘制一些连接两个数字 A[i] 和 B[j] 的直线,只要 A[i] == B[j],且我们绘制的直线不与任何其他连线(非水平线)相交。
以这种方法绘制线条,并返回我们可以绘制的最大连线数。
示例 1:
输入:A = [1,4,2], B = [1,2,4]
输出:2
示例 2:
输入:A = [2,5,1,2,5], B = [10,5,2,1,5,2]
输出:3
示例 3:
输入:A = [1,3,7,1,7,5], B = [1,9,2,5,1]
输出:2
开始实在是没想出来怎么做,虽然想到过dp,但不知道dp怎么写,一直没有思路,后来看了下leetcode解答,也没有人提供答案,只有人说用dp+最长公共子序列,最长公共子序列问题之前没有遇到过,但是我想既然可以用dp解决,那么应该不需要非要往最长公共子序列上靠,只要找到dp的递推公式就行,于是根据自己的部分思考写出了下面代码:
class Solution:
def maxUncrossedLines(self, A: List[int], B: List[int]) -> int:
lines=[[0 for i in range(len(B)+1)] for j in range(len(A)+1)]
for i in range(1,len(lines)):
for j in range(1,len(lines[0])):
lines[i][j]=max(lines[i-1][:j])+1 if A[i-1]==B[j-1] else max(lines[i-1][:j+1])
return max(lines[-1])
结果比较惨
虽然通过了,但是很明显不是好的解法。思来想去,觉得自己这个也是dp,空间复杂度O(mn)应该是没法优化的,最耗费时间的应该就是max函数的地方,导致时间复杂度O(mn^2),后来发现还是自己对dp的理解不够透彻。我上面代码的思路是这样的:
如果发现当前的A[i-1]和B[j-1]匹配,那么当前匹配最多对数是lines[i][:j]中的最大,如果没有匹配的话那么就是lines[i][:j+1]中最大,因为当前没有匹配,所以最大对数由上一行中1~j个中的最大值决定。但其实这种考虑是不够细致的,虽然逻辑上没有问题,但是没有充分发挥dp的潜力。
出现上面失误的最主要原因是我只考虑了随着行的递增,对数应该是增加的,却没意识到列也应该是一样的,他们地位平等。因此正确的分析应该如下:
例如lines[3][3]应该是确定了A中选1 ~ 3 , B中选1 ~ 3情况下的最大对数,也即二维情况下动态规划每次考虑的应该是一个矩形区域,而不是单一的行的方向。这样思考之后就容易优化代码了。
当A[i]==B[j]时,即可以匹配,这个时候有两个选择,连还是不连。如果连接的话,那么对数就为lines[i-1][j-1]+1,即上图中绿色矩形区域的问题退化为红色矩形区域问题;如果选择不连,那么对数就是max{lines[i][j-1],lines[i-1][j]}(相当于绿色区域缺了右下角,剩下的最大对数位置肯定就是在(i,j-1)和(i-1,j)这两个角落处)。因此最大的对数=max{lines[i-1][j-1]+1,lines[i][j-1],lines[i-1][j]}=lines[i-1][j-1]+1,这是明显的,因为当前区域再加一行或者再加一列最多再多增加一对线条。
当A[i]!=B[j]时,明确不能连接,也就相当于上图绿色区域缺了右下角,那么类似的最大对数就是max{lines[i-1][j],lines[i][j-1]}。
(当然上图中填写的数字是之前错误思想的实现,只不过借用下这个区域图)
于是最后dp完毕整个区域得到的就是最大对数。修改后代码如下:
class Solution:
def maxUncrossedLines(self, A: List[int], B: List[int]) -> int:
lines=[[0 for i in range(len(B)+1)] for j in range(len(A)+1)]
for i in range(1,len(lines)):
for j in range(1,len(lines[0])):
lines[i][j]=lines[i-1][j-1]+1 if A[i-1]==B[j-1] else max(lines[i-1][j],lines[i][j-1])
return lines[-1][-1]
当然这种情况下时间复杂度就是O(mn)了。