一、最大子数组和
53:给你一个整数数组 nums ,请你找出一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。 子数组 是数组中的一个连续部分。
贪心:
class Solution {
public int maxSubArray(int[] nums) {
int length = nums.length;
int max = nums[0];
int cur = 0;
for(int i =0;i<length;i++){
cur += nums[i];
max = Math.max(max,cur);
if(cur<0)
cur = 0;
}
return max;
}
}
动态规划:dp[i]记录以i为结尾的最大子数组和
class Solution {
public int maxSubArray(int[] nums) {
int pre = 0, maxAns = nums[0];
for (int x : nums) {
pre = Math.max(pre + x, x);
maxAns = Math.max(maxAns, pre);
}
return maxAns;
}
}
二、最长递增子序列
300: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
class Solution {
public int lengthOfLIS(int[] nums) {
int length = nums.length;
int result = 1;
//dp[i]表示以i结尾的最长递增子序列长度
int[] dp = new int[length];
dp[0]=1;
for(int i=1;i<length;i++){
dp[i] = 1;
for(int j=i-1;j>=0;j--){
if(nums[j]<nums[i]){
dp[i] = Math.max(dp[i],dp[j]+1);
}
}
result = Math.max(result,dp[i]);
}
return result;
}
}
三、最长连续递增序列
674: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。
贪心:
class Solution {
public int findLengthOfLCIS(int[] nums) {
int length = nums.length;
if(length==1) return 1;
int result = 0;
int cur = 1;
for(int i=1;i<length;i++){
//记录这次连续的长度
if(nums[i]>nums[i-1])
cur++;
else
cur=1;
//记录到目前位置最长的连续长度
result=Math.max(cur,result);
}
return result;
}
}
四、最长重复子数组
718:给两个整数数组 A 和 B ,返回两个数组中公共的、长度最长的子数组的长度。
class Solution {
public int findLength(int[] nums1, int[] nums2) {
int m = nums1.length;
int n = nums2.length;
if(m==0||n==0)
return 0;
int max =0;
int[][] dp = new int[m+1][n+1];
for(int i =1;i<=m;i++){
for(int j =1;j<=n;j++){
if(nums1[i-1]==nums2[j-1])
dp[i][j]=dp[i-1][j-1]+1;
else
dp[i][j]=0;
max =Math.max(max,dp[i][j]);
}
}
return max;
}
}
五、最长公共子序列
1143: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。
class Solution {
public int longestCommonSubsequence(String text1, String text2) {
int m = text1.length();
int n = text2.length();
int[][] dp = new int[m+1][n+1];
for(int i=1;i<=m;i++){
for(int j=1;j<=n;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[m][n];
}
}
六、判断子序列
392:给定字符串 s 和 t ,判断 s 是否为 t 的子序列。字符串的一个子序列是原始字符串删除一些(也可以不删除)字符而不改变剩余字符相对位置形成的新字符串。(例如,"ace"是"abcde"的一个子序列,而"aec"不是)。
双指针:
class Solution {
public boolean isSubsequence(String s, String t) {
int length1 = s.length();
int length2 = t.length();
if(length1>length2){
return false;
}
int sp=0,tp=0;
while(sp<length1&&tp<length2){
if(s.charAt(sp)==t.charAt(tp)){
sp++;
tp++;
}else{
tp++;
}
}
return sp==length1;
}
}
动态规划:dp[i][j] 表示以下标i-1为结尾的字符串s,和以下标j-1为结尾的字符串t,相同子序列的⻓度
class Solution {
public boolean isSubsequence(String s, String t) {
int m =s.length();
int n =t.length();
int[][] dp = new int[m+1][n+1];
for(int i=1;i<=m;i++){
for(int j=1;j<=n;j++){
if(s.charAt(i-1)==t.charAt(j-1))
dp[i][j]=dp[i-1][j-1]+1;
else
//这一步和最长公共子序列有所区别,不需要判断max(dp[i-1][j],dp[i][j-1])
//因为要保证s是连续的,所以d[i-1][j]破坏了s不连续没必要判断
dp[i][j]=dp[i][j-1];
}
}
return dp[m][n]==m;
}
}
七、不同的子序列
115:给定一个字符串 s 和一个字符串 t ,计算在 s 的子序列中 t 出现的个数。
字符串的一个 子序列 是指,通过删除一些(也可以不删除)字符且不干扰剩余字符相对位置所组成的新字符串。(例如,"ACE" 是 "ABCDE" 的一个子序列,而 "AEC" 不是)
有 3 种可以从 rabbbit 中得到 "rabbit" 的方案。
dp[i][j]:以i-1为结尾的s⼦序列中出现以j-1为结尾的t的个数为dp[i][j]
class Solution {
public int numDistinct(String s, String t) {
int m =s.length();
int n =t.length();
//dp[i][j]: s的前i个元素 包括多少个t的前j个元素
int[][]dp = new int[m+1][n+1];
dp[0][0]=1;
for(int i=0;i<m;i++){
dp[i][0]=1;
}
for(int i =1;i<=m;i++){
for(int j=1;j<=n;j++){
if(j>i) dp[i][j]=0;
else{
if(s.charAt(i-1)==t.charAt(j-1))
//分两种情况:s[i-1]参与的情况dp[i-1][j-1] 和 s[i-1]不参与的情况dp[i-1][j]
dp[i][j]=dp[i-1][j-1]+dp[i-1][j];
else
dp[i][j]=dp[i-1][j];
}
}
}
return dp[m][n];
}
}
八、两个字符串删除操作
583:给定两个单词 word1 和 word2,找到使得 word1 和 word2 相同所需的最小步数,每步可以删除任意一个字符串中的一个字符。
dp[i][j]:word1前i个元素 和word2前j个元素要上达到相同 需要操作的最少步数
class Solution {
public int minDistance(String word1, String word2) {
int m = word1.length();
int n = word2.length();
//dp[i][j]:word1前i个元素 和word2前j个元素要上达到相同 需要操作的最少个数
int[][] dp = new int[m+1][n+1];
for(int i=0;i<=n;i++)
dp[0][i]=i;
for(int i=0;i<=m;i++)
dp[i][0]=i;
for(int i =1;i<=m;i++){
for(int j=1;j<=n;j++){
if(word1.charAt(i-1)==word2.charAt(j-1))
dp[i][j]=dp[i-1][j-1];
else//三种情况:删除word1的元素/删除word2的元素/两个都删
dp[i][j]=Math.min(Math.min(dp[i-1][j]+1,dp[i][j-1]+1),dp[i-1][j-1]+2);
}
}
return dp[m][n];
}
}
九、编辑距离
72:给你两个单词 word1 和 word2,请你计算出将 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
dp[i][j]:word1前i个元素转为word2前j的元素需要的最少操作数
class Solution {
public int minDistance(String word1, String word2) {
int m = word1.length();
int n = word2.length();
//dp[i][j]:word1前i个元素转为word2前j的元素需要的最少操作数
int[][] dp = new int[m+1][n+1];
for(int i=0;i<=m;i++)
dp[i][0]=i;
for(int i=0;i<=n;i++)
dp[0][i]=i;
for(int i=1;i<=m;i++){
for(int j=1;j<=n;j++){
if(word1.charAt(i-1)==word2.charAt(j-1))
dp[i][j]=dp[i-1][j-1];
else
//对应元素不相等有3种情况:1.删除word1第i个元素 2.word1增加第word2的第j个元素 3.修改word1第i个元素为word2第j个元素
dp[i][j]=Math.min(Math.min(dp[i-1][j],dp[i][j-1]),dp[i-1][j-1])+1;
}
}
return dp[m][n];
}
}