代码随想录算法训练营第五十三天| 1143.最长公共子序列 ,1035.不相交的线,53. 最大子序和 动态规划

题目与题解

1143.最长公共子序列

题目链接:1143.最长公共子序列

代码随想录题解:​​​​​​​1143.最长公共子序列

视频讲解:动态规划子序列问题经典题目 | LeetCode:1143.最长公共子序列_哔哩哔哩_bilibili

解题思路:

        一开始试图用四层循环暴力法来做,就超时了。

看完代码随想录之后的想法 

        这里主要是dp定义跟前面有点不一样,随之的递推公式也不一样。

        dp[i][j]:长度为[0, i - 1]的字符串text1与长度为[0, j - 1]的字符串text2的最长公共子序列为dp[i][j],所以最后得到的公共子序列不一定要包含text1[i-1]和text2[i-1]。

        递推公式有两大情况: text1[i - 1] 与 text2[j - 1]相同,text1[i - 1] 与 text2[j - 1]不相同

如果text1[i - 1] 与 text2[j - 1]相同,那么找到了一个公共元素,所以dp[i][j] = dp[i - 1][j - 1] + 1;

如果text1[i - 1] 与 text2[j - 1]不相同,那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列,取最大的。

dp的第一行和第一列分别表示text1或text2和空字符串的最长公共子序列,必然初始化为0。

class Solution {
    public int longestCommonSubsequence(String text1, String text2) {
		int[][] dp = new int[text1.length()+1][text2.length()+1];
		int result = 0;
		for (int i = 1; i < text1.length()+1; i++) {
			for (int j = 1; j < text2.length()+1; j++) {
				if (text1.charAt(i-1) == text2.charAt(j-1)) {
					dp[i][j] = dp[i-1][j-1]+1;
				} else {
					dp[i][j] = Math.max(dp[i-1][j], dp[i][j-1]);
				}
				result = Math.max(result, dp[i][j]);
			}
		}
		return result;
    }
}

遇到的困难

        序列和连续序列的计算会有很多不一样,子序列要考虑的可能性更多。

1035.不相交的线

题目链接:1035.不相交的线

代码随想录题解:​​​​​​​1035.不相交的线

视频讲解:动态规划之子序列问题,换汤不换药 | LeetCode:1035.不相交的线_哔哩哔哩_bilibili

解题思路:

        没有思路看答案。

看完代码随想录之后的想法 

        直线不能相交,这就是说明在字符串A中 找到一个与字符串B相同的子序列,且这个子序列不能改变相对顺序,只要相对顺序不改变,链接相同数字的直线就不会相交。本题说是求绘制的最大连线数,其实就是求两个字符串的最长公共子序列的长度!        

class Solution {
    public int maxUncrossedLines(int[] nums1, int[] nums2) {
		int[][] dp = new int[nums1.length+1][nums2.length+1];
		int result = 0;
		for (int i = 1; i < nums1.length + 1; i++) {
			for (int j = 1; j < nums2.length + 1; j++) {
				if (nums1[i-1] == nums2[j-1]) {
					dp[i][j] = dp[i-1][j-1] + 1;
				} else {
					dp[i][j] = Math.max(dp[i-1][j], dp[i][j-1]);
				}
				result = Math.max(result, dp[i][j]);
			}
		}
		return result;
    }
}

遇到的困难

        题目翻译成最大相同子序列有点困难。

53. 最大子序和

题目链接:​​​​​​​53. 最大子序和

代码随想录题解:53. 最大子序和

视频讲解:看起来复杂,其实是简单动态规划 | LeetCode:53.最大子序和_哔哩哔哩_bilibili

解题思路:

        dp定义:对于nums[0]-nums[i]的序列,其子序列包含nums[i]时,最大子序和的值。

        递推公式:因为要求的是连续序列的和,所以可以根据dp[i-1]和nums[i]推出dp[i]的值。如果dp[i-1]+nums[i] > nums[i],说明nums[i]可以纳入dp[i-1]的子序列,dp[i]=dp[i-1]+nums[i] ,否则从nums[i]开始开启一个新的序列,dp[i]=nums[i]。

        初始化dp[0]为nums[0], 从前往后遍历即可。

class Solution {
    public int maxSubArray(int[] nums) {
		if (nums.length == 1) return nums[0];
		int[] dp = new int[nums.length];
		int result = nums[0];
		dp[0] = nums[0];
		for (int i = 1; i < nums.length; i++) {
			dp[i] = Math.max(nums[i], dp[i-1] + nums[i]);
			result = Math.max(result, dp[i]);
		}
		return result;
    }
}

看完代码随想录之后的想法 

        因为dp的依赖关系是只有前后两个相关,所以可以简化dp的空间占用。

//因为dp[i]的递推公式只与前一个值有关,所以可以用一个变量代替dp数组,空间复杂度为O(1)
class Solution {
    public int maxSubArray(int[] nums) {
        int res = nums[0];
        int pre = nums[0];
        for(int i = 1; i < nums.length; i++) {
            pre = Math.max(pre + nums[i], nums[i]);
            res = Math.max(res, pre);
        }
        return res;
    }
}

遇到的困难

        一开始result没有初始化为dp[0],而是初始化为Interger.MIN_VALUE,导致数组只有一个数字时返回的结果不对,还是要维持一下result的定义,提前初始化为dp[0]才对。

今日收获

        dp真是千变万化,思路需要非常清晰了。子序列的题目有点难。

  • 21
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
代码随想录算法训练营是一个优质的学习和讨论平台,提供了丰富的算法训练内容和讨论交流机会。在训练营中,学员们可以通过观看视频讲解来学习算法知识,并根据讲解内容进行刷题练习。此外,训练营还提供了刷题建议,例如先看视频、了解自己所使用的编程语言、使用日志等方法来提高刷题效果和语言掌握程度。 训练营中的讨论内容非常丰富,涵盖了各种算法知识点和解题方法。例如,在第14训练营中,讲解了二叉树的理论基础、递归遍历、迭代遍历和统一遍历的内容。此外,在讨论中还分享了相关的博客文章和配图,帮助学员更好地理解和掌握二叉树的遍历方法。 训练营还提供了每日的讨论知识点,例如在第15的讨论中,介绍了层序遍历的方法和使用队列来模拟一层一层遍历的效果。在第16的讨论中,重点讨论了如何进行调试(debug)的方法,认为掌握调试技巧可以帮助学员更好地解决问题和写出正确的算法代码。 总之,代码随想录算法训练营是一个提供优质学习和讨论环境的平台,可以帮助学员系统地学习算法知识,并提供了丰富的讨论内容和刷题建议来提高算法编程能力。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [代码随想录算法训练营每日精华](https://blog.csdn.net/weixin_38556197/article/details/128462133)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值