刷题第四十六天 392.判断子序列 115. 不同的子序列

最新推荐文章于 2024-10-14 09:08:48 发布

RickRickHU

最新推荐文章于 2024-10-14 09:08:48 发布

阅读量52

点赞数

文章标签：算法

本文链接：https://blog.csdn.net/qq_43211720/article/details/135054627

版权

文章介绍了使用动态规划解决子序列问题的方法，包括求最长公共子序列的长度和统计s中与t长度相同的子集出现次数。通过实例展示了如何运用回溯策略和动规思想进行问题求解，以及遇到的超时挑战。

摘要由CSDN通过智能技术生成

class Solution:
    def isSubsequence(self, s: str, t: str) -> bool:
        # dp[i][j] 以i-1结尾的s和以j - 1结尾的t的最长公共子序列长度
        dp = [[0] * (len(t) + 1) for _ in range(len(s) + 1)]
        for i in range(1, len(s) + 1):
            for j in range(1, len(t) + 1):
                if s[i - 1] == t[j - 1]:
                    dp[i][j] = dp[i - 1][j - 1] + 1
                else:
                    dp[i][j] = dp[i][j - 1]
        return dp[-1][-1] == len(s)

本题和昨天的1143 最长公共子序列的共同点在于都是求公共子序列的长度，不同的在于当s[i - 1]和t[j - 1]不相等的时候，不用去考虑dp[i - 1]的情况，因为本题最终要判断s是不是t的子序列，s里面不删除元素。

复习一下回溯

class Solution:
    def numDistinct(self, s: str, t: str) -> int:
        def back_tracking(result, subset, s, start_index):
            if len(subset) == len(t):
                result.append(''.join(subset.copy()))
            for i in range(start_index, len(s)):
                subset.append(s[i])
                back_tracking(result, subset, s, i + 1)
                subset.pop()
        result = []
        subset = []
        start_index = 0
        back_tracking(result, subset, s, start_index)
        index = 0
        print(result)
        for i in result:
            if i == t:
                index += 1
        return index

统计s所有长度等于t的长度的子集，统计一下t在子集中出现了多少次。

意料之中超时了

动规，还是有点难想

class Solution:
    def numDistinct(self, s: str, t: str) -> int:
        # dp: 以i-1为结尾的s的子串中有以j-1为结尾的t的个数
        dp = [[0] * (len(t) + 1) for _ in range(len(s) + 1)]
        dp[0][0] = 1
        for i in range(1, len(s) + 1):
            dp[i][0] = 1
            for j in range(1, len(t) + 1):
                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[-1][-1]