- 动态规划的核心设计思想是数学归纳法。
- 动态规划要明确状态与选择。
- 动态规划从暴力解法入手,借助dp数组,完成算法优化。
下面从最长递增子序列(LCS)进入二维动态规划的学习。
最长公共子序列
题目链接(LCR 095. 最长公共子序列 - 力扣(LeetCode))
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
。
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。
dp[i][j] = dp[i-1][j-1]+1;
dp[i][j] = Math.max(dp[i-1][j], dp[i][j-1]);
s1:babcde,s2:ab
.. | b | a | b | c | d | e | |
---|---|---|---|---|---|---|---|
.. | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
a | 0 | 0 | 1 | 1 | 1 | 1 | 1 |
b | 0 | 1 | 1 | 2 | 2 | 2 | 2 |
- 字符串为空时,公共子序列长度为0,故dp数组第一行和第一列初始化为0;
- 当s1[i] == s2[j],考虑s1[0:i-1] 和s2[0:j-1]的最长公共子序列,再增加一个字符(即公共字符)即可得到 s1[0:i] 和 s2[0:j] 的最长公共子序列,因此dp[i][j] = dp[i-1][j-1]+1;
- 当s1[i] != s2[j],考虑s1[0:i-1] 和s2[0:j]的最长公共子序列 与 考虑s1[0:i] 和s2[0:j-1]的最长公共子序列 ,再增加一个字符(即公共字符)即可得到 s1[0:i] 和 s2[0:j] 的最长公共子序列,因此dp[i][j] = Math.max(dp[i-1][j], dp[i][j-1]);
class Solution {
public int longestCommonSubsequence(String text1, String text2) {
char[] t1 = text1.toCharArray();
char[] t2 = text2.toCharArray();
int len1 = t1.length;
int len2 = t2.length;
int[][] dp = new int[len1+1][len2+1];
for(int i = 1; i <= len1; i++) {
for(int j = 1; j <= len2; j++) {
if(t1[i-1] == t2[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[len1][len2];
}
}
编辑距离
题目链接(72. 编辑距离 - 力扣(LeetCode))
题目描述:
给你两个单词 word1
和 word2
, 请返回将 word1
转换成 word2
所使用的最少操作数 。
你可以对一个单词进行如下三种操作:
- 插入一个字符
- 删除一个字符
- 替换一个字符
相对于求解最长公共子序列,编辑距离则是将这个过程逆转过来。
增:dp[i][j] = dp[i][j - 1] + 1
删:dp[i][j] = dp[i - 1][j] + 1
改:dp[i][j] = dp[i - 1][j - 1] + 1
dp[i][j] = dp[i-1][j-1];
dp[i][j] = Math.min(dp[i-1][j]+1, dp[i][j-1]+1,dp[i-1][j-1]+1);
s1:babcde,s2:ab
- 字符串为空时,需要不断插入字符,故第一行和第一列的数字依次递增;
- 按顺序计算,当计算 dp[i][j] 时,dp[i - 1][j] , dp[i][j - 1] , dp[i - 1][j - 1] 均已经确定了
- 配合增删改这三种操作,需要对应的 dp 把操作次数加一,取三种的最小
- 如果刚好这两个字母相同 word1[i - 1] = word2[j - 1] ,那么可以直接参考 dp[i - 1][j - 1] ,操作不用加一
class Solution {
public int minDistance(String word1, String word2) {
char[] w1 = word1.toCharArray();
char[] w2 = word2.toCharArray();
int[][] dp = new int[w1.length+1][w2.length+1];
for(int i = 1; i <= w1.length; i++) {
dp[i][0] = i;
}
for(int i = 1; i <= w2.length; i++) {
dp[0][i] = i;
}
for(int i = 1; i <= w1.length; i++) {
for(int j = 1; j <= w2.length; j++) {
if(w1[i-1] == w2[j-1]) {
dp[i][j] = dp[i-1][j-1];
}else {
dp[i][j] = Math.min(dp[i-1][j-1]+1,
Math.min(dp[i-1][j]+1, dp[i][j-1]+1));
}
}
}
return dp[w1.length][w2.length];
}
}
总结
- 最长公共子序列是一种比较常用的模板,很多问题是这个问题的改版。