Kiner算法刷题记（十九）：动态规划（手撕算法篇）

最新推荐文章于 2023-08-05 09:00:35 发布

星河阅卷

最新推荐文章于 2023-08-05 09:00:35 发布

阅读量120

点赞数

分类专栏：数据结构前端基础知识梳理文章标签：动态规划算法

本文链接：https://blog.csdn.net/u010651383/article/details/125016360

版权

本文是动态规划算法的刷题笔记，涵盖了三个经典问题：1143. 最长公共子序列、剑指 Offer II 094. 最少回文分割和0/1背包问题。通过解题思路和代码演示，详细解释了动态规划的递推状态、状态转移方程及边界条件，帮助理解动态规划的解决方法。

摘要由CSDN通过智能技术生成

系列文章导引

系列文章导引

开源项目

本系列所有文章都将会收录到GitHub中统一收藏与管理，欢迎ISSUE和Star。

GitHub传送门：Kiner算法算题记

1143. 最长公共子序列

解题思路

递推状态：我们最长公共子序列的长度取决于以第i-1个字符作为结尾的A字符串与以第j-1个字符作为结尾的B字符串公共子串长度。因此，我们的递推状态应为：dp[i,j]，代表：A串长度为i位，B串长度为j位的最长公共子序列的长度。
递推公式（状态转移方程）：当我们A串第i-1个字符与B串第j-1个字符相等时，即两个字符串分别以i-1位和j-1位对齐时，最长公共字串的长度应该为：dp[i-1][j-1] + 1,dp[i-1][j-1]代表我们A串第i-1个字符与B串第j-1个字符作为结尾的最长公共字串的长度，再加上当前这个相同的字符串的长度1。而当我们A串第i-1个字符与B串第j-1个字符不相等时，我们公共字串的长度取决于分别以i-1位与j位作为结尾的A、B串最长公共字串的长度和分别以i位与j-1位作为结尾的A、B串最长公共字串的长度的最大值。综合上述两个条件，我们得到递推公式为：最后一位对齐时：dp[i][j] = dp[i-1][j-1] + 1;最后一位不对齐时：dp[i][j] = max(dp[i-1][j],dp[i][j-1])
边界条件：当整个字符串都不匹配时，最长公共子序列的长度为0，我们初始时可以将dp数组中每个位置都初始化为0，后续操作也更加方便。

代码演示

function longestCommonSubsequence(text1: string, text2: string): number {
   
    let n = text1.length;
    let m = text2.length;
    // 初始化dp数组为(n+1)*(m+1)的二维数组，并在每一位初始填充为0
    const dp = new Array(n + 1).fill(0).map(() => new Array(m + 1).fill(0));
    for(let i = 1; i <= n; i++) {
   
        for(let j = 1; j <= m; j++) {
   
            // 如果a串的最后一位与b串的最后一位相等
            if(</