代码随想录算法训练营第五十五天| 392 判断子序列 115 不同的子序列

代码随想录算法训练营第五十五天| 392 判断子序列 115 不同的子序列

LeetCode 392 判断子序列

题目: 392.判断子序列

本题是编辑距离的入门题目，题意中只需要计算删除的情况，不用考虑增加和替换的情况。

动规五部曲：

• 确定dp数组以及下标的含义

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]。

注：此处判断s是否为t的子序列，t的长度大于等于s。

• 确定递推公式

在确定递推公式的时候，首先需要考虑两种操作：

1. if (s[i - 1] == t[j - 1])，即：t中找到了一个字符在s中也出现了，找到了一个相同字符，相同子序列长度dp[i-1][j-1]的基础上加1，则dp[i][j] = dp[i - 1][j - 1] + 1;

2. if (s[i - 1] != t[j - 1])，即：t要删除元素，然后继续匹配，此时t要删除元素，t如果把当前元素t[j - 1]删除，那么dp[i][j] 的数值就是s[i - 1]与 t[j - 2]的比较结果了，即：dp[i][j] = dp[i][j - 1];

• dp数组如何初始化

从递推公式可以看出dp[i][j]依赖于dp[i - 1][j - 1] 和 dp[i][j - 1]，dp[0][0]和dp[i][0]需要初始化。

dp[i][0] 表示以下标i-1为结尾的字符串与空字符串的相同子序列长度，初始化为0，dp[0][j]同理。

vector<vector<int>> dp(s.size() + 1, vector<int>(t.size() + 1, 0));

• 确定遍历顺序

dp[i][j]依赖于dp[i - 1][j - 1] 和 dp[i][j - 1]，遍历顺序应该从上到下，从左到右

• 举例推导dp数组

整体代码：

class Solution{
public:
    bool isSubsequence(string s, string t) {
        vector<vector<int> > dp(s.size() + 1, vector<int>(t.size() + 1, 0));
        for(int i = 1; i <= s.size(); i++) {
            for(int j = 1; j <= t.size(); j++) {
                if(s[i - 1] == t[j - 1]) {
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                }
                else {
                    dp[i][j] = dp[i][j - 1];
                }
            }
        }
        if(dp[s.size()][t.size()] == s.size()) {
            return true;  
        }
        return false;
    } 
};

LeetCode 115 不同的子序列

题目: 115.不同的子序列

本题在上题的基础上添加了删除操作

动规五部曲：

• 确定dp数组（dp table）以及下标含义

dp[i][j]：以i-1为结尾的s子序列中出现以j-1为结尾的t的个数为dp[i][j]。。

• 确定递推公式

同上一道题，要分析两种情况

1. s[i - 1] 与 t[j - 1]相等，dp[i][j]可以由两部分组成，一部分用s[i - 1]来匹配，个数为dp[i - 1][j - 1]。即不需要考虑当前s子串和t子串的最后一位字母，只需要 dp[i-1][j-1]，dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j];

2. s[i - 1] 与 t[j - 1] 不相等，dp[i][j]只由一部分组成，不用s[i - 1]来匹配（就是模拟在s中删除这个元素），即：dp[i - 1][j]，dp[i][j] = dp[i - 1][j];

• dp数组初始化

从递推公式dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j];和 dp[i][j] = dp[i - 1][j];中可以看出dp[i][j] 是从上方和左上方推导而来， dp[i][0] 和dp[0][j]需要初始化

vector<vector<long long>> dp(s.size() + 1, vector<long long>(t.size() + 1));
for (int i = 0; i <= s.size(); i++) dp[i][0] = 1;
for (int j = 1; j <= t.size(); j++) dp[0][j] = 0;

• 确定遍历顺序

遍历从上到下，从左到右，保证dp[i][j]可以根据之前算出来的数值进行计算。

for (int i = 1; i <= s.size(); i++) {
    for (int j = 1; j <= t.size(); j++) {
        if (s[i - 1] == t[j - 1]) {
            dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j];
        } else {
            dp[i][j] = dp[i - 1][j];
        }
    }
}

• 举例推导dp数组

完整代码：

class Solution {
public:
    int numDistinct(string s, string t) {
        vector<vector<uint64_t> > dp(s.size() + 1, vector<uint64_t>(t.size() + 1));
        for(int i = 0; i < s.size(); i++) {
            dp[i][0] = 1;
        }
         for(int j = 1; j < t.size(); j++) {
            dp[0][j] = 0;
        }
        for(int i = 1; i <= s.size(); i++) {
            for(int j = 1; j <= t.size(); j++) {
                if(s[i - 1] == t[j - 1]) {
                    dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j];
                }
                else {
                    dp[i][j] = dp[i - 1][j];
                }
            }
        }
        return dp[s.size()][t.size()];
    }
};