https://leetcode-cn.com/problems/maximum-length-of-repeated-subarray/
暴力法:
class Solution {
public int findLength(int[] A, int[] B) {
int ans = 0;
for (int i = 0; i < A.length; i++) {
for (int j = 0; j < B.length; j++) {
if(A[i] == B[j]){
int x = 1;
while(i+x < A.length && j+x < B.length && A[i+x] == B[j+x]){
x++;
}
ans = Math.max(x,ans);
}
}
}
return ans;
}
}
不用想,超时
动态规划:
我们先看两个数组的最后一位,如果不相等就表明最后一位肯定不在重复的数组里面,如果相等可能包含在重复的数组里面,这还要看他们两个前面的子数组。如果前面的子数组的重复数组长度是n,并且两个数组最后一位是一样,那么整个数组的重复数组的长度就是n+1。因为有两个数组进行比较,所以设置一个二维数组dp[][]
状态转移方程:if(A[i] == B[j]) dp[i][j] = dp[i-1][j-1] + 1 ;
class Solution {
public int findLength(int[] A, int[] B) {
int a = A.length + 1;
int b = B.length + 1;
int[][] dp = new int[a][b];
int ans = Integer.MIN_VALUE;
for (int i = 1; i < a; i++) {
for (int j = 1; j < b; j++) {
if(A[i-1] == B[j-1]){
dp[i][j] = dp[i-1][j-1]+1;
ans = Math.max(ans,dp[i][j]);
}
}
}
if(ans < 0) ans = 0;
return ans;
}
}
这个题很像一个经典的动态规划的题:最长公共子序列
https://leetcode-cn.com/problems/longest-common-subsequence/
首先来分析最优子结构:
设序列S1 = {x1,x2,.....,xn} 和 S2 = {y1,y2,.....,ym} 的最长公共子序列为 S = {z1,z2,..,zk}
若 xn = ym,那么zk = xn = ym, 且S[k-1] 是S1[n-1]和S2[m-1]的最长公共子序列
若xn != ym, 且zk!=xn, 则S[k]是S1[n-1]和S2[m]的最长公共子序列
若xn != ym, 且zk!=ym, 则S[k]是S1[n]和S2[m-1]的最长公共子序列
由此可见,该问题具有最优子结构,可用动态规划来解决
状态转移方程:
if(s1[i] == s2[j]) dp[i][j] = dp[i−1][j−1]+1;
if(s1[i] != s2[j]) dp[i][j] = max(dp[i−1][j],dp[i][j−1])
class Solution {
public int longestCommonSubsequence(String text1, String text2) {
int a = text1.length();
int b = text2.length();
int[][] dp = new int[a + 1][b + 1];
for (int i = 1; i <= a; i++) {
for (int j = 1; j <= b; 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[a][b];
}
}