子序列问题

橘子味的晚霞和少年

已于 2023-01-16 09:42:38 修改

阅读量154

点赞数

分类专栏：算法文章标签： c++ 数据结构算法动态规划 Powered by 金山文档

于 2023-01-16 09:41:14 首次发布

本文链接：https://blog.csdn.net/qq_56108311/article/details/128700496

版权

算法专栏收录该内容

7 篇文章 0 订阅

订阅专栏

1.最长公共子序列

1.1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 。

示例 2：

输入：text1 = "abc", text2 = "abc"

输出：3

解释：最长公共子序列是 "abc" ，它的长度为 3 。

示例 3：

输入：text1 = "abc", text2 = "def"

输出：0

解释：两个字符串没有公共子序列，返回 0 。

提示：

1 <= text1.length, text2.length <= 1000

text1 和 text2 仅由小写英文字符组成。

1.2题目分析

动态规划

状态转移方程:

dp[i][j] = dp[i-1][j-1] + 1 \qquad\qquad \qquad //text1[i]==text2[j]时

dp[i][j] = max(dp[i][j-1],dp[i-1][j]) \qquad //text1[i]!=text2[j]时

class Solution {
public:
    int longestCommonSubsequence(string text1, string text2) {
        int n1 = text1.size(), n2 = text2.size();
        vector<vector<int>> dp(n1+1, vector<int>(n2+1, 0));//已经将第一行与第一列置为0
        for(int i = 1; i <= n1; ++i) {
            for(int j = 1; j <= n2; ++j) {
                if(text1[i - 1] == text2[j - 1]) {
                    //两个string的index本身应该从0开始
                    dp[i][j] = dp[i-1][j-1] + 1;
                }else{
                    dp[i][j] = max(dp[i][j-1], dp[i-1][j]);
                }
            }//for j
        }//for i
        return dp[n1][n2];
    }
};
/*时间复杂度O(mn)，空间复杂度为O(mn)*/

拓展--并输出最长公共子序列(回溯法)

#include <iostream>
#include <string>
#include <vector>
using namespace std;

class Solution {
private:
	enum type { SIDE, UP, LEFT };
	string s1, s2;
	vector<vector<int>> dp, record;

	void printLCS(int row, int col) const {
		if (row == 0 || col == 0) {
			return;
		}

		if (record[row][col] == SIDE) {
			printLCS(row - 1, col - 1);
			cout << s1[row - 1];
		}
		else if (record[row][col] == UP) {
			printLCS(row, col - 1);
		}
		else {
			printLCS(row - 1, col);
		}
	}
public:
	Solution(string s1, string s2) : s1(s1), s2(s2), dp(s1.length() + 1,
		vector<int>(s2.length() + 1, 0)), record(s1.length() + 1, vector<int>(s2.length() + 1, 0)) {
		//vector<vector<int>> dp(s1.length() + 1, vector<int>(s2.length() + 1, 0));
		//vector<vector<int>> record(s1.length() + 1, vector<int>(s2.length() + 1, 0));
	}

	int longestCommonSubsequence() {
		int n1 = s1.size(), n2 = s2.size();
		for (int i = 1; i <= n1; ++i) {
			for (int j = 1; j <= n2; ++j) {
				if (s1[i - 1] == s2[j - 1]) {
					dp[i][j] = dp[i - 1][j - 1] + 1;
					record[i][j] = SIDE;
				}
				else if (dp[i - 1][j] >= dp[i][j - 1]) {
					dp[i][j] = dp[i - 1][j];
					record[i][j] = LEFT;
				}
				else {
					dp[i][j] = dp[i][j - 1];
					record[i][j] = UP;
				}
			}
		}
		cout << "最长公共子序列为:";
		printLCS(n1, n2);
		return dp[n1][n2];
	}

};

int main()
{
	string s1("abcbdab"), s2("bdcaba");
	Solution solution(s1, s2);
	int length = solution.longestCommonSubsequence();
	cout << endl << "长度为: " << length << endl;
	return 0;
}

优化。可以在线性时间内确定dp[i][j]的值是由dp[i-1][j-1]、dp[i][j-1]、dp[i-1][j]中的哪个值确定的，所以可以不需要数组record，也可以在O(m+n)的时间内构造出最长公共子序列。当当前位置的上方和当前位置的最长公共子序列长度相等时，我们就默认选择向上走，而不相等的时候就可以认为当前元素为两个序列的一个公共元素，所以直接添加即可。

void printLCS(int row, int col) const {
		if (row == 0 || col == 0) {
			return;
		}

		if (dp[row][col] != dp[row - 1][col]) {
			printLCS(row - 1, col - 1);
			cout << s1[row - 1];
		}
		else {
			printLCS(row - 1, col);
		}

	}

递归(lambda递归)

#include <iostream>
#include <string>
#include <vector>
#include <functional>
using namespace std;


const auto& longestCommonSubsequence = [](string& text1, string& text2) {
	std::function<int(int, int, string&, string&)> dfs;
	dfs = [&](int i, int j, string& text1, string& text2) {
		if (i == 0 || j == 0) {
			return 0;
		}
		if (text1[i - 1] == text2[j - 1]) {
			return dfs(i - 1, j - 1, text1, text2) + 1;
		}
		return max(dfs(i - 1, j, text1, text2), dfs(i, j - 1, text1, text2));
	};
	return dfs(text1.length(), text2.length(), text1, text2);
};



int main()
{
	string s1("abcbdab"), s2("bdcaba");
	cout << "长度为: " << longestCommonSubsequence(s1, s2) << endl;
	return 0;
}

2.最长连续递增序列

2.1题目描述

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。

示例 1：

输入：nums = [1,3,5,4,7]

输出：3

解释：最长连续递增序列是 [1,3,5], 长度为3。

尽管 [1,3,5,7] 也是升序的子序列, 但它不是连续的，因为 5 和 7 在原数组里被 4 隔开。

示例 2：

输入：nums = [2,2,2,2,2]

输出：1

解释：最长连续递增序列是 [2], 长度为1。

2.2题目分析

动态规划

class Solution {
public:
    int findLengthOfLCIS(vector<int>& nums) {
        int n = nums.size();
        if(n <= 1) return n;
        vector<int> dp(n+1, 1);
        int ans = 0;
        for(int i = 1; i < n; ++i) {
            if(nums[i] > nums[i-1]) {
                /*递增*/
                dp[i] = dp[i-1] + 1;
            }
            ans = max(ans, dp[i]);
        }
        return ans;
    }
};

贪心算法

class Solution {
public:
    int findLengthOfLCIS(vector<int>& nums) {
        int n = nums.size();
        if(n <= 1) return n;
        int ans = 0, start = 0; //start表示递增子序列的开始位置
        for(int i = 1; i < n; ++i) {
            if(nums[i] <= nums[i-1]){
                start = i;
            }
            ans = max(ans, i - start + 1);
        }
        return ans;
    }
};

3.最长递增子序列

3.1题目描述

给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。

子序列是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。

示例 1：

输入：nums = [10,9,2,5,3,7,101,18]

输出：4

解释：最长递增子序列是 [2,3,7,101]，因此长度为 4 。

示例 2：

输入：nums = [0,1,0,3,2,3]

输出：4

示例 3：

输入：nums = [7,7,7,7,7,7,7]

输出：1

3.2题目分析

借用LCS的代码。将字符串s1增序排列之后形成s2，然后求s1和s2的最大公共子序列。此处略，因为题目给的是vector，不是string，还得修改上述的LCS代码。

动态规划

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        int n = nums.size();
        if(n <= 1) return n;
        vector<int> dp(n+1, 1);
        for(int i = 0; i < n; ++i) {
            for(int j = i; j < n; ++j) {
                if(nums[j] > nums[i]) {
                    dp[j] = max(dp[j], dp[i] + 1);
                }
            }
        }//for i
        return *max_element(dp.begin(), dp.end()); //*迭代器 --> 元素值
    }
};
/*时间复杂度为O(n^2),空间复杂度为O(n)*/

贪心+二分查找

考虑一个简单的贪心，如果我们要使上升子序列尽可能的长，则我们需要让序列上升得尽可能慢，因此我们希望每次在上升子序列最后加上的那个数尽可能的小。

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        int len = 1, n = (int)nums.size();
        if (n == 0) {
            return 0;
        }
        vector<int> d(n + 1, 0);
        d[len] = nums[0];
        for (int i = 1; i < n; ++i) {
            if (nums[i] > d[len]) {
                d[++len] = nums[i];
            } else {
                int l = 1, r = len, pos = 0; // 如果找不到说明所有的数都比 nums[i] 大，此时要更新 d[1]，所以这里将 pos 设为 0
                while (l <= r) {
                    int mid = (l + r) >> 1;
                    if (d[mid] < nums[i]) {
                        pos = mid;
                        l = mid + 1;
                    } else {
                        r = mid - 1;
                    }
                }
                d[pos + 1] = nums[i];
            }
        }
        return len;
    }
};

4.最长重复子数组

4.1题目描述

给两个整数数组 nums1 和 nums2 ，返回两个数组中公共的、长度最长的子数组的长度。

示例 1：

输入：nums1 = [1,2,3,2,1], nums2 = [3,2,1,4,7]

输出：3

解释：长度最长的公共子数组是 [3,2,1] 。

示例 2：

输入：nums1 = [0,0,0,0,0], nums2 = [0,0,0,0,0]

输出：5

4.2题目分析

动态规划

class Solution {
public:
    int findLength(vector<int>& nums1, vector<int>& nums2) {
        int n1 = nums1.size(), n2 = nums2.size(), ans = 0;
        vector<vector<int>> dp(n1+1, vector<int>(n2+1, 0));
        for(int i = 1; i <= n1; ++i) {
            for(int j = 1; j <= n2; ++j) {
                if(nums1[i - 1] == nums2[j - 1]) {
                    dp[i][j] = dp[i-1][j-1] + 1;
                }else{
                    dp[i][j] = 0;
                }
                ans = max(ans, dp[i][j]);
            }
        }a
        return ans;
    }
};

暴力求解

class Solution {
public:
    int findLength(vector<int>& nums1, vector<int>& nums2) {
        int n1 = nums1.size(), n2 = nums2.size();
        int maxLength = 0, currentLength, m, n;
        for(int i = 0; i < n1; ++i) {
            for(int j = 0; j < n2; ++j) {
                m = i, n = j, currentLength = 0;
                while(m < n1 && n < n2 && nums1[m] == nums2[n]) {
                    ++m; ++n;
                    currentLength++;
                }
                maxLength = max(maxLength, currentLength);
            }
        }
        return maxLength;
    }
};

/*时间复杂度为O(n^3)*/