目录
1143. 最长公共子序列(离散,二维dp)
题目链接:Link
1、题目描述
给定两个字符串 text1 和 text2,返回这两个字符串的最长 公共子序列 的长度。如果不存在 公共子序列 ,返回 0 。
一个字符串的 子序列 是指这样一个新的字符串:它是由原字符串在不改变字符的相对顺序的情况下删除某些字符(也可以不删除任何字符)后组成的新字符串。
例如,“ace” 是 “abcde” 的子序列,但 “aec” 不是 “abcde” 的子序列。
两个字符串的 公共子序列 是这两个字符串所共同拥有的子序列。
示例 1:
输入:text1 = “abcde”, text2 = “ace”
输出:3
解释:最长公共子序列是 “ace” ,它的长度为 3 。
2、思路
本题和代码随想录算法训练营第43天|300. 最长递增子序列、674. 最长连续递增序列、718. 最长重复子数组中的718. 最长重复子数组非常类似,唯一不同的就是本题的 公共子序列是离散的,718题中的 重复子数组是连续的
- 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]
- 递推公式两种情况:
- text1[i - 1] 与 text2[j - 1]相同: d p [ i ] [ j ] = d p [ i − 1 ] [ j − 1 ] + 1 dp[i][j] = dp[i - 1][j - 1] + 1 dp[i][j]=dp[i−1][j−1]+1
- text1[i - 1] 与 text2[j - 1]不相同: d p [ i ] [ j ] = m a x ( d p [ i − 1 ] [ j ] , d p [ i ] [ j − 1 ] ) dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]) dp[i][j]=max(dp[i−1][j],dp[i][j−1])
- 不需要初始化,统一为0
- plus:这个题的结果是dp[-1][-1]
3、code
class Solution:
def longestCommonSubsequence(self, text1: str, text2: str) -> int:
list1 = list(text1)
list2 = list(text2)
# list1有5个,list2有3个,dp应该是个6*4的表
dp = [[0 for _ in range(len(list2)+1)] for _ in range(len(list1)+1)]
for i in range(1,len(list1)+1): # i: 1,2,3,4,5
for j in range(1,len(list2)+1): # j: 1,2,3
if list1[i-1] == list2[j-1]:
dp[i][j] = dp[i-1][j-1] + 1
else:
dp[i][j] = max(dp[i][j-1],dp[i-1][j])
return dp[-1][-1]
4、复杂度分析
1️⃣ 时间复杂度: O(n * m),其中 n 和 m 分别为 text1 和 text2 的长度
2️⃣ 空间复杂度: O(n * m)
1035.不相交的线
题目链接:link
1、题目描述
在两条独立的水平线上按给定的顺序写下 nums1 和 nums2 中的整数。
现在,可以绘制一些连接两个数字 nums1[i] 和 nums2[j] 的直线,这些直线需要同时满足:
nums1[i] == nums2[j]
且绘制的直线不与任何其他连线(非水平线)相交。
请注意,连线即使在端点也不能相交:每个数字只能属于一条连线。
以这种方法绘制线条,并返回可以绘制的最大连线数。
2、思路
和求最长公共子序列一模一样,如果没思路,就先遍历最初的几个值,找出规律
3、code
class Solution:
def maxUncrossedLines(self, nums1: List[int], nums2: List[int]) -> int:
# dp[i][j]代表:nums1[0]到nums1[i-1] 和 nums2[0]到nums[j-1] 的最大连线数
# nums1有三个数,nums2有4个数,dp是个4*5的二维矩阵
dp = [[0 for _ in range(len(nums2)+1)] for _ in range(len(nums1)+1)]
for i in range(1,len(nums1)+1):#i:1,2,3
for j in range(1,len(nums2)+1):#j:1,2,3,4
if nums1[i-1] == nums2[j-1]:
dp[i][j] = dp[i-1][j-1] + 1
else:
dp[i][j] = max(dp[i-1][j],dp[i][j-1])
return dp[-1][-1]
4、复杂度分析
- 时间复杂度: O(n * m)
- 空间复杂度: O(n * m)
53. 最大子数组和
题目链接:link
1、题目描述
给你一个整数数组 nums ,请你找出一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
子数组
是数组中的一个连续部分。
示例 1:
输入:nums = [-2,1,-3,4,-1,2,1,-5,4]
输出:6
解释:连续子数组 [4,-1,2,1] 的和最大,为 6 。
2、思路
1️⃣ 贪心
代码随想录算法训练营第27天|455. 分发饼干、376. 摆动序列、53. 最大子数组和
🍬局部最优:当前“连续和”为负数的时候立刻放弃,从下一个元素重新计算“连续和”,因为负数加上下一个元素 “连续和”只会越来越小。
2️⃣动态规划
- dp[i] :从nums[0]到nums[i]的最大连续子数组和
- 递归公式,对于nums[i],两种选择:
- 继续计算连续和:dp[i-1]+nums[i]
- 重新开始计算连续和:nums[i]
- d p [ i ] = m a x ( d p [ i − 1 ] + n u m s [ i ] , n u m s [ i ] ) dp[i] = max(dp[i-1]+nums[i],nums[i]) dp[i]=max(dp[i−1]+nums[i],nums[i])
- 初始化:dp[0] = nums[0]
- 遍历顺序:正向
3、code
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
# dp[i] :从nums[0]到nums[i]的最大连续子数组和
dp = [float('-inf')] * len(nums)
dp[0] = nums[0]
for i in range(1,len(nums)):
dp[i] = max(dp[i-1]+nums[i],nums[i])
print(dp)
return max(dp)
4、复杂度分析
1️⃣ 时间复杂度:
O
(
N
)
O(N)
O(N)
2️⃣ 空间复杂度:
O
(
N
)
O(N)
O(N)
392.判断子序列
题目链接:link
1、题目描述
给定字符串 s 和 t ,判断 s 是否为 t 的子序列。
字符串的一个子序列是原始字符串删除一些(也可以不删除)字符而不改变剩余字符相对位置形成的新字符串。(例如,"ace"是"abcde"的一个子序列,而"aec"不是)。
2、思路
💗一个重要的思想: 如果s和t的子序列长度等于s的长度,就代表s是t的子序列
其余的就和最长公共子序列一模一样了
- 如果s[i-1] == t[j-1]:
- d p [ i ] [ j ] = d p [ i − 1 ] [ j − 1 ] + 1 dp[i][j] = dp[i-1][j-1] + 1 dp[i][j]=dp[i−1][j−1]+1
- 如果s[i-1] != t[j-1]:
- 正常就该是 d p [ i ] [ j ] = m a x ( d p [ i − 1 ] [ j ] , d p [ i ] [ j − 1 ] ) dp[i][j] = max(dp[i-1][j],dp[i][j-1]) dp[i][j]=max(dp[i−1][j],dp[i][j−1])
- 但其实本题按照删除t的元素来拼凑s这样的题意来说,其实答案就只是 d p [ i ] [ j ] = d p [ i ] [ j − 1 ] dp[i][j] = dp[i][j-1] dp[i][j]=dp[i][j−1]代表只考虑缩减t,不考虑缩减s
- 其实二者都是正确答案
3、code
class Solution:
def isSubsequence(self, s: str, t: str) -> bool:
dp = [[0 for _ in range(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] = max(dp[i-1][j],dp[i][j-1])
# dp[i][j] = dp[i][j-1]
print(dp)
if dp[-1][-1] == len(s):
return True
else:
return False
4、复杂度分析
1️⃣ 时间复杂度:O(n × m)
2️⃣ 空间复杂度:O(n × m)