代码随想录Day58 | 392.判断子序列 115.不同的子序列
392.判断子序列
文档讲解:代码随想录
视频讲解: 动态规划,用相似思路解决复杂问题 | LeetCode:392.判断子序列
状态
本题实际上上还是寻找最长的公共子序列,如果子序列长度和s字符串的长度相等那么就说明可以匹配
- dp数组
dp[i][j] 表示s中0-i-1 在 t中0-j-1能匹配的最长公共子序列长度 - 递推公式
考虑两种情况,s[i-1] == t[j-1]的情况 那么 dp[i][j] = dp[i-1][j-1]+1
如果不相等,相当于t要删除j-1这个元素与s继续匹配,所以dp[i][j] = dp[i][j-1] - 初始化
最开始都初始化为0 - 遍历顺序
从前向后 - 打印dp
class Solution {
public:
bool isSubsequence(string s, string t) {
if(s.size() > t.size()) return false;
if(s.size() == 0) return true;
vector<vector<int>> dp(s.size()+1,vector<int>(t.size()+1));
//dp[i][j] 表示s中0-i-1 在 t中0-j-1能匹配的最长公共子序列长度
for(int i = 0;i<=s.size();i++)
{
dp[i][0] = 0;
}
for(int j = 0;j<=t.size();j++)
{
dp[0][j] = 0;
}
for(int i = 1;i<=s.size();i++)
{
for(int j = 1;j<=t.size();j++)
{
if(s[i-1] == t[j-1])
{
dp[i][j] = dp[i-1][j-1]+1;
}
else
{
dp[i][j] = dp[i][j-1];
}
}
}
if(dp[s.size()][t.size()] == s.size()) return true;
return false;
}
};
115.不同的子序列
文档讲解:代码随想录
视频讲解: 动态规划之子序列,为了编辑距离做铺垫 | LeetCode:115.不同的子序列
状态
- dp数组
dp[i][j] 表示 s中0到i-1 中 出现 t[0] 到 t[j-1]的个数 - 递推公式
同样有两种情况就是 s[i-1] == t[j-1]
如果相等
- 用s[i-1]来匹配,那么此时符合的个数就是dp[i-1][j-1]
- 不用s[i-1]来匹配,因为s中可能存在重复的元素使之成立,所以符合的个数就是dp[i-1][j]
dp[i][j] = dp[i-1][j-1]+dp[i-1][j]
如果不相等,那就只有一种可能不使用s[i-1]来匹配。dp[i][j] = dp[i-1][j]
3. 初始化
dp[i][0] 表示 从s的子串中寻找空字符串的个数 一定 为1
dp[0][j] 表示 从空字符串中寻找t的子串的个数 一定 为0
4. 遍历顺序
从前向后
5. 打印dp
class Solution {
public:
int numDistinct(string s, string t) {
if(s.size() < t.size()) return 0;
//uint64_t 测试数据的长度
vector<vector<uint64_t>> dp(s.size()+1,vector<uint64_t>(t.size()+1));
for(int i = 0;i<s.size()+1;i++)
{
dp[i][0] = 1;
}
//对第一行的初始化要跳过两个空字符串的位置 dp[0][0]
for(int i = 1;i<t.size()+1;i++)
{
dp[0][i] = 0;
}
for(int i = 1;i<s.size()+1;i++)
{
for(int j = 1;j<t.size()+1;j++)
{
if(s[i-1] == t[j-1])
{
dp[i][j] = dp[i-1][j-1]+dp[i-1][j];
}
else
{
dp[i][j] = dp[i-1][j];
}
}
}
return dp[s.size()][t.size()];
}
};