代码随想录算法训练营第44天|1143. 最长公共子序列、1035.不相交的线、53. 最大子数组和、392.判断子序列

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：$dp[i][j]=dp[i-1][j-1]+1$
  • text1[i - 1] 与 text2[j - 1]不相同：$dp[i][j]=max(dp[i-1][j],dp[i][j-1])$
• 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]
  • $dp[i]=max(dp[i-1]+nums[i],nums[i])$
• 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：$O(N)$
2️⃣ 空间复杂度：$O(N)$

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]:
  • $dp[i][j]=dp[i-1][j-1]+1$
• 如果s[i-1] != t[j-1]:
  • 正常就该是$dp[i][j]=max(dp[i-1][j],dp[i][j-1])$
  • 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$dp[i][j]=dp[i][j-1]$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)