Day53 动态规划 part14
我的思路:
模仿昨天的最大重复子序列长度的思路,可以列出如下状态转移方程
对着状态转移方程写代码即可,还是需要注意,i, j是从1开始的,比较的时候是str1[i -1]和str2[j - 1]
解答:
class Solution {
public int longestCommonSubsequence(String text1, String text2) {
int[][] dp = new int[text1.length() + 1][text2.length() + 1];
int maxlen = 0;
char[] str1 = text1.toCharArray();
char[] str2 = text2.toCharArray();
for(int i = 1; i <= text1.length(); i++) {
for(int j = 1; j <= text2.length(); j++) {
if(str1[i - 1] == str2[j - 1]) {
dp[i][j] = dp[i - 1][j - 1] + 1;
}
else {
dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);
}
if(dp[i][j] > maxlen) {
maxlen = dp[i][j];
}
}
}
return maxlen;
}
}
我的思路:
这道题代码和上一题几乎一样,不过,只要取出dp[nums1.length][nums2.length]就是最终答案了
因为我们明确dp数组的含义,
dp[i][j]表示nums1的前i个元素和nums2的前j个元素之间的最长不相交子序列的长度
那么dp[nums1.length][nums2.length]就是nums1的元素和nums2最长不相交子序列长度,也就是我们需要的结果
解答:
class Solution {
public int maxUncrossedLines(int[] nums1, int[] nums2) {
int[][] dp = new int[nums1.length + 1][nums2.length + 1];
for(int i = 1; i <= nums1.length; i++) {
for(int j = 1; j <= nums2.length; j++) {
if(nums1[i - 1] == nums2[j - 1]) {
dp[i][j] = dp[i - 1][j - 1] + 1;
}
else {
dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - 1]);
}
}
}
return dp[nums1.length][nums2.length];
}
}
我的思路:
我想了一下,当时贪心好像就是用的数组存放(其实那会思路就是动规了)
dp[i]表示的含义是当前位置之前连续数组的最大和
状态转移方程如下:
最后dp数组中最大值,就是最大子序和
解答:
class Solution {
public int maxSubArray(int[] nums) {
if(nums.length == 1) {
return nums[0];
}
int[] dp = new int[nums.length];
dp[0] = nums[0];
int maxSum = dp[0];
for(int i = 1; i < nums.length; i++) {
dp[i] = Math.max(nums[i], dp[i - 1] + nums[i]);
if(dp[i] > maxSum) {
maxSum = dp[i];
}
}
return maxSum;
}
}