最长公共子序列
package LeetCode.DP; public class OfferII095 { public int longestCommonSubsequence(String text1, String text2) { int n=text1.length(); int m=text2.length(); return helper(text1,0,text2,0); } private int helper(String text1, int n, String text2, int m) { if(n==text1.length()||m==text2.length()){ return 0; } if(text1.charAt(n)==text2.charAt(m)){ //当前两个的字符相同 return 1+helper(text1,n+1,text2,m+1); }else { return Math.max(Math.max(helper(text1,n+1,text2,m+1),helper(text1,n+1,text2,m)), helper(text1,n,text2,m+1)); } } }
- 那abcde 去匹配ace,我们发现e相同,那我们就肯定去那abcd去匹配ac,当d!=c.我们有三种情况可以选择,abc去匹配ac,或者abcd去匹配a,或者是abc去匹配a,选择匹配长度最长的那个选择
- 有个优化点,就是我们在比较较大的长度的时候,不需要比较helper(text1,n+1,text2,m+1),因为n+1,m+1的两个字符串的范围都是小于n+1,m和n,m+1的字符串长度,所以肯定是比这两个的公共子序列长度短
- 为什么不能从前往后递归,将语义变成前n个字符和前m个字符的最长公共序列的长度,因为我们在比较一个字符的时候,我们递归是依赖范围更小的递归函数,那就不对了,如果我们遇到一个不相同的字符,我们应该将当前字符跟后面的字符比,看能不能找到相同的字符,如果这样定义语义,我们就是跟前面的字符去比,这样就不对, 因为递归语义是前面的字符串都是比较好的,再去比是没有意义的
剪枝优化
class Solution { public int longestCommonSubsequence(String text1, String text2) { int n=text1.length(); int m=text2.length(); int dp[][]=new int[n+1][m+1]; for (int []rows:dp) { Arrays.fill(rows,-1); } return helper(text1,0,text2,0,dp); } private int helper(String text1, int n, String text2, int m, int[][] dp) { if(n==text1.length()||m==text2.length()){ return 0; } if (dp[n][m]!=-1){ return dp[n][m]; } if(text1.charAt(n)==text2.charAt(m)){ //当前两个的字符相同 dp[n][m]= 1+helper(text1,n+1,text2,m+1, dp); return dp[n][m]; }else { dp[n][m] =Math.max(helper(text1,n+1,text2,m, dp), helper(text1,n,text2,m+1, dp)); return dp[n][m]; } } }
自底向上的动态规划
class Solution { public int longestCommonSubsequence(String text1, String text2) { int n=text1.length(); int m=text2.length(); int dp[][]=new int[n+1][m+1]; for (int i =1; i <=n; i++) { for (int j =1; j <=m; j++) { if(text1.charAt(i-1)==text2.charAt(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[n][m]; } }
- 用函数 f(i, j) 表示字符串 s1 中下标从 0 开始到 i 的子字符串 s1[0...i] 和字符串 s2 中下标从 0 开始到 j 的子字符串 s2[0...j] 的最长公共子序列的长度。对于 f(i, j),如果 s1[i] == s2[j],那么相当于在 s1[0...i - 1] 和 s2[0...j - 1] 的最长公共子序列的后面添加一个公共字符,也就是 f(i, j) = f(i - 1, j - 1) + 1。如果 s1[i] != s2[j],那么这两个字符不可能出现在 s1[0...i] 和 s2[0...j] 的公共子序列中。此时 s1[0...i] 和 s2[0...j] 的最长公共子序列是s1[0...i - 1] 和 s2[0...j] 的最长公共子序列和s1[0...i] 和 s2[0...j - 1] 的最长公共子序列中的较大值,即 f(i, j) = max(f(i - 1, j), f(i, j - 1))。所以转移状态方程为
不同的子序列
![]()
暴力枚举(自顶向下)+剪枝
class Solution { public int numDistinct(String s, String t) { int n=s.length(); int m=t.length(); int dp[][]=new int[n+1][m+1]; for (int rows[]:dp) { Arrays.fill(rows,-1); } return helper(s,n,t,m,dp); } //递归函数的语义是s[0...n] t[0...m]的最大不同子序列数 private int helper(String s, int n, String t, int m, int[][] dp) { if(m==0){ return 1; //说明t为空串了,这个判断必须在n==s.length前面,保证m==0,n==0的时候返回1 } if(n==0){ return 0; //说明s是空串 } if(dp[n][m]!=-1){ return dp[n][m]; } if (s.charAt(n-1)==t.charAt(m-1)){ //当前字符相同 两种选择 dp[n][m]= helper(s,n-1,t,m-1,dp)+helper(s,n-1,t,m, dp); return dp[n][m]; }else { dp[n][m]=helper(s,n-1,t,m, dp); return dp[n][m]; } } }
自底向上
class Solution { public int numDistinct(String s, String t) { int m=s.length(); int n=t.length(); int dp[][]=new int[n+1][m+1]; for (int i = 0; i <=n; i++) { for (int j = 0; j <=m; j++) { if(i==0){ dp[i][j]=1; continue; } if(j==0){ dp[i][j]=0; continue; } if (s.charAt(j-1)==t.charAt(i-1)){ dp[i][j]=dp[i-1][j-1]+dp[i][j-1]; }else { dp[i][j]=dp[i][j-1]; } } } return dp[n][m]; } }
300. 最长递增子序列
![]()
class Solution { public int lengthOfLIS(int[] nums) { int len=nums.length; int dp[]=new int [len]; Arrays.fill(dp,1);//因为最短也就是本身 for(int i=1;i<len;i++){ for(int j=0;j<i;j++){ if(nums[i]>nums[j]){ dp[i]=Math.max(dp[i],dp[j]+1); } } } int res=0; for(int i=0;i<len;i++){ res=Math.max(res,dp[i]); } return res; } }
- dp[i]表示 从0到i的最长的递增子序列。
53. 最大子数组和
![]()
class Solution { public int maxSubArray(int[] nums) { int n=nums.length; if(n==0) return 0; int dp[]=new int [n]; dp[0]=nums[0]; for(int i=1;i<n;i++){ dp[i]=Math.max(nums[i],nums[i]+dp[i-1]); } int res=Integer.MIN_VALUE; for(int i=0;i<n;i++){ res=Math.max(res,dp[i]); } return res; } }