动归二类--开头结尾双循环+状态压缩
前言
动态规划三类,一类O(n)动归;二类O(nn)开头结尾双循环动归;三类O(nn)背包式动归。当然并不是都是固定的时间复杂度,可能一个问题可以拆解成多个动归子问题,就会涉及到三维状态存储(动归本质:记忆化数组,空间换时间。)等动归。
一、最长回文子序列
二、动归二类+状态压缩
package com.xhu.offer.everyday;
import java.util.Arrays;
//最长回文子序列下
public class LongestPalindromeSubseq {
/*
target:找最长回文子序列。
如何找子序列?确定起点,确定终点,即确定一个子序列。
如何判断子序列回文长度?可动态扩展长度,然后动态计算。
如以i为终点,j为起点。
1-core:状态转移
当s[j] = s[i] 时,len_palindrome(s[j:i]) = len_palindrome(s[j+1:i-1]) + 2;
当s[j] <> s[i]时,len_palindrome(s[j:i]) = max(len_palindrome(s[j+1:i]),len_palindrome(s[j:i-1])).
2-初始化
len_palindrome(s[i:i]) = 1;
*/
public int longestPalindromeSubseq(String s) {
char[] arr = s.toCharArray();
int len = arr.length;
int[][] dp = new int[len][len];
for (int i = 0; i < len; i++) {
dp[i][i] = 1;
for (int j = i - 1; j >= 0; j--)
dp[i][j] = arr[i] == arr[j] ? dp[i - 1][j + 1] + 2 : Math.max(dp[i][j + 1], dp[i - 1][j]);
}
return dp[len - 1][0];//返回终点为len-1,起点为0,所确定的子序列,即s本身,所一步一步算出来的最长回文长度。
}
}
//常见状态压缩
class LongestPalindromeSubseq2 {
/*
target:找最长回文子序列。
如何找子序列?确定起点,确定终点,即确定一个子序列。
如何判断子序列回文长度?可动态扩展长度,然后动态计算。
如以i为终点,j为起点。
1-core:状态转移
当s[j] = s[i] 时,len_palindrome(s[j:i]) = len_palindrome(s[j+1:i-1]) + 2;
当s[j] <> s[i]时,len_palindrome(s[j:i]) = max(len_palindrome(s[j+1:i]),len_palindrome(s[j:i-1])).
2-初始化
len_palindrome(s[i:i]) = 1;
3-状态压缩
由于s[i:j]只用到上一个状态的j位,和当前状态已经计算过的j+1位,则可用一位数组存储上一层状态即可。
注;dp[i-1][j+1]为上一个状态的j+1位,需要存储起来,避免被覆盖。
*/
public int longestPalindromeSubseq(String s) {
char[] arr = s.toCharArray();
int len = arr.length;
int[] dp = new int[len];
int preJ;
for (int i = 0; i < len; i++) {
dp[i] = 1;
preJ = 0;
for (int j = i - 1; j >= 0; j--) {
int t = dp[j];//作为下一次状态更新的j+1
dp[j] = arr[i] == arr[j] ? preJ + 2 : Math.max(dp[j + 1], dp[j]);
preJ = t;
}
}
return dp[0];//返回终点为len-1,起点为0,所确定的子序列,即s本身,所一步一步算出来的最长回文长度。
}
}
总结
1)动态规划的本质就是一步一步解决问题,但这个一步一步可能有三个切入点,对应三类动归。
2)状态压缩:三维变两维,二维变一维,一维变常量(二进制压缩)
参考文献
[1] LeetCode 最长回文子序列