LeetCode刷题复盘笔记—一文搞懂动态规划之115. 不同的子序列问题（动态规划系列第三十九篇）

今日主要总结一下动态规划的一道题目，115. 不同的子序列

题目：115. 不同的子序列

Leetcode题目地址
题目描述：
给定一个字符串 s 和一个字符串 t ，计算在 s 的子序列中 t 出现的个数。

字符串的一个 子序列 是指，通过删除一些（也可以不删除）字符且不干扰剩余字符相对位置所组成的新字符串。（例如，“ACE” 是 “ABCDE” 的一个子序列，而 “AEC” 不是）

题目数据保证答案符合 32 位带符号整数范围。

示例 1：
输入：s = “rabbbit”, t = “rabbit”
输出：3
解释：
如下图所示, 有 3 种可以从 s 中得到 “rabbit” 的方案。
rabbbit
rabbbit
rabbbit

示例 2：
输入：s = “babgbag”, t = “bag”
输出：5
解释：
如下图所示, 有 5 种可以从 s 中得到 “bag” 的方案。
babgbag
babgbag
babgbag
babgbag
babgbag

提示：

0 <= s.length, t.length <= 1000
s 和 t 由英文字母组成

本题重难点

这道题目如果不是子序列，而是要求连续序列的，那就可以考虑用KMP。

这道题目相对于72. 编辑距离，简单了不少，因为本题相当于只有删除操作，不用考虑替换增加之类的。

但相对于刚讲过的动态规划：一文搞懂动态规划之392. 判断子序列问题就有难度了，这道题目双指针法可就做不了了，来看看动规五部曲分析如下：

1. 确定dp数组（dp table）以及下标的含义
   dp[i][j]：以i-1为结尾的s子序列中出现以j-1为结尾的t的个数为dp[i][j]。

2. 确定递推公式
   这一类问题，基本是要分析两种情况
   s[i - 1] 与 t[j - 1]相等
   s[i - 1] 与 t[j - 1] 不相等
   当s[i - 1] 与 t[j - 1]相等时，dp[i][j]可以有两部分组成。
   一部分是用s[i - 1]来匹配，那么个数为dp[i - 1][j - 1]。
   一部分是不用s[i - 1]来匹配，个数为dp[i - 1][j]。
   这里可能有同学不明白了，为什么还要考虑 不用s[i - 1]来匹配，都相同了指定要匹配啊。
   例如： s：bagg 和 t：bag ，s[3] 和 t[2]是相同的，但是字符串s也可以不用s[3]来匹配，即用s[0]s[1]s[2]组成的bag。
   当然也可以用s[3]来匹配，即：s[0]s[1]s[3]组成的bag。
   所以当s[i - 1] 与 t[j - 1]相等时，dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j];
   当s[i - 1] 与 t[j - 1]不相等时，dp[i][j]只有一部分组成，不用s[i - 1]来匹配，即：dp[i - 1][j]
   所以递推公式为：dp[i][j] = dp[i - 1][j];

3. dp数组如何初始化
   从递推公式dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j]; 和 dp[i][j] = dp[i - 1][j]; 中可以看出dp[i][0] 和dp[0][j]是一定要初始化的。
   每次当初始化的时候，都要回顾一下dp[i][j]的定义，不要凭感觉初始化。
   dp[i][0]表示什么呢？
   dp[i][0] 表示：以i-1为结尾的s可以随便删除元素，出现空字符串的个数。
   那么dp[i][0]一定都是1，因为也就是把以i-1为结尾的s，删除所有元素，出现空字符串的个数就是1。
   再来看dp[0][j]，dp[0][j]：空字符串s可以随便删除元素，出现以j-1为结尾的字符串t的个数。
   那么dp[0][j]一定都是0，s如论如何也变成不了t。
   最后就要看一个特殊位置了，即：dp[0][0] 应该是多少。
   dp[0][0]应该是1，空字符串s，可以删除0个元素，变成空字符串t。

4. 确定遍历顺序
   从递推公式dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j]; 和 dp[i][j] = dp[i - 1][j]; 中可以看出dp[i][j]都是根据左上方和正上方推出来的。

所以遍历的时候一定是从上到下，从左到右，这样保证dp[i][j]可以根据之前计算出来的数值进行计算。

5. 举例推导dp数组

以s：“baegg”，t："bag"为例，推导dp数组状态如下：

如果写出来的代码怎么改都通过不了，不妨把dp数组打印出来，看一看，是不是这样的。

C++代码

class Solution {
public:
    int numDistinct(string s, string t) {
        vector<vector<uint64_t>>dp(s.size() + 1, vector<uint64_t>(t.size() + 1, 0));
        for(int i = 0; i <= s.size(); i++) dp[i][0] = 1;
        for (int i = 1; i <= s.size(); i++){
            for(int j = 1; j <= t.size(); j++){
                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[s.size()][t.size()];
    }
};

---

总结

动态规划
英文：Dynamic Programming，简称DP，如果某一问题有很多重叠子问题，使用动态规划是最有效的。
动态规划中每一个状态一定是由上一个状态推导出来的，这一点就区分于贪心，贪心没有状态推导，而是从局部直接选最优的

对于动态规划问题，可以拆解为如下五步曲，这五步都搞清楚了，才能说把动态规划真的掌握了！

1. 确定dp数组（dp table）以及下标的含义
2. 确定递推公式
3. dp数组如何初始化
4. 确定遍历顺序
5. 举例推导dp数组

这道题目如果不是子序列，而是要求连续序列的，那就可以考虑用KMP。

这道题目相对于72. 编辑距离，简单了不少，因为本题相当于只有删除操作，不用考虑替换增加之类的。

但相对于刚讲过的动态规划：一文搞懂动态规划之392. 判断子序列问题就有难度了，动态规划中依然是使用动规五部曲，做每道动态规划题目这五步都要弄清楚才能更清楚的理解题目！
欢迎大家关注本人公众号：编程复盘与思考随笔
(关注后可以免费获得本人在csdn发布的资源源码)