674、最长连续递增序列
给定一个未经排序的整数数组,找到最长且 连续递增的子序列,并返回该序列的长度。连续递增的子序列 可以由两个下标 l
和 r
(l < r
)确定,如果对于每个 l <= i < r
,都有 nums[i] < nums[i + 1]
,那么子序列 [nums[l],nums[l + 1], ..., nums[r - 1], nums[r]]
就是连续递增子序列。
因为要求的是连续的递增的子序列,所以nums[i]只需要和nums[i-1]比较大小,
dp[i]:表示以下标i为结尾的数组的连续递增的子序列长度为dp[i]
Arrays.fill(dp,1);//初始化,因为自己本身也是一个递增序列
递推公式:
当nums[i]>nums[i-1],那么说明当前元素可以构成连续递增数组,所以还要加上它们的前一个元素构成的最长连续递增子序列的长度,此时的转移方程为:dp[i]=dp[i-1]+1;
当nums[i]<=nums[i-1],那么说明当前元素不能构成连续递增数组,而题目要求连续,递增的子序列,所以这时候相当于直接断开了,此时的转移方程为:dp[i]=1(直接变成初始化的状态)
class Solution {
public int findLengthOfLCIS(int[] nums) {
int max=1;
int []dp=new int[nums.length+1];//dp[i]:表示以下标i为结尾的数组的连续递增的子序列长度为dp[i]
Arrays.fill(dp,1);//初始化
for(int i=1;i<nums.length;i++){
if(nums[i]>nums[i-1]){
dp[i]=dp[i-1]+1;
}else{
dp[i]=1;
}
max=Math.max(max,dp[i]);
}
return max;
}
}
718、最长重复子数组
给两个整数数组 nums1
和 nums2
,返回 两个数组中 公共的 、连续的、长度最长的子数组的长度 。
dp[i][j]:表示数组num1前i个元素和数组nums2前j个元素组成的最长公共子数组的长度。
初始化为0,所以就不用特地写
递推公式:
若当前两个元素值相同,即A[i] == B[i],则说明当前元素可以构成公共子数组,所以还要加上它们的前一个元素构成的最长公共子数组的长度(在原来的基础上加1),此时状态转移方程:dp[i][j]=dp[ i - 1][j - 1] +1。
若当前两个元素值不同,即A[i]!= B[i],则说明当前元素无法构成公共子数组。因为公共子数组必须是连续的,而此时的元素值不同,相当于直接断开了,此时状态转移方程:dp[i][j] = 0(直接变成初始化的状态)
class Solution {
public int findLength(int[] nums1, int[] nums2) {
//有两个数据类型——动态规划应该是二维数组 有点像背包的容量
int max=0;
//dp[i][j]:表示数组num1前i个元素和数组nums2前j个元素组成的最长公共子数组的长度
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;//递推公式是这样的,
//所以i和j从1开始取,这样就可以保证dp[0][0]
//i和j取到nums1.length和nums2.length,这样就可以保证dp[nums1.length-1][nums2.length-1]即数组的最后一位可以取到
}else{
dp[i][j]=0;
}
max=Math.max(max,dp[i][j]);
}
}
return max;
}
}
1143、最长公共子序列
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。
初始化:dp[i][j]:表示字符串A的前i个[0,i)元素和字符串B的前j个[0,j)元素最长公共子序列为dp[i][j]因为我们所说的第1个字符,其实就是字符串的索引0,所以我们for循环从1开始。只有for循环是错位的概念,dp[i][j]还是正常的位置
递推公式:
把text1设为数组A,text2设为数组B进行说明
若当前两个元素值相同,即A[i] == B[i],则说明当前元素可以构成公共子序列,所以还要加上它们的前一个元素构成的最长公共子序列的长度(在原来的基础上加1),此时状态转移方程:dp[i][j]=dp[ i - 1][j - 1] +1。
若当前两个元素值不同,即A[i]!= B[i],因为题目定义的是子序列,所以就找text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列,取最大的。
即:当前两个字符不等,那么长度最少也是dp[i-1][i-1],但这还不够,因为我们希望拿到之前的比较中尽可能大的长度。那么当前字符已经不相等的情况下,就应该把当前的字符也放入到之前的比较中,那么一定有dp[i][j-1]和dp[i-1][j]>=dp[ i ][ j ]。
简单来说,dp[ i ][ j ]的值应该从dp[i-1][j-1]、dp[i-1][j]、dp[i][j-1]中取
故:例子:abcd 和ac 当遍历最后一个字符时,d与c不相等,所以找前序的最长公共子序列,abcd和a的的公共子序列 acd和ac的公共子序列找最大的
class Solution {
public int longestCommonSubsequence(String text1, String text2) {
int [][]dp=new int[text1.length()+1][text2.length()+1];
int max=0;
for(int i=1;i<=text1.length();i++){
for(int j=1;j<=text2.length();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]);
}
max=Math.max(max,dp[i][j]);
}
}
return max;
}
}