给定字符串 s 和 t ,判断 s 是否为 t 的子序列。
你可以认为 s 和 t 中仅包含英文小写字母。字符串 t 可能会很长(长度 ~= 500,000),而 s 是个短字符串(长度 <=100)。
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)。
示例 1:
s = “abc”, t = “ahbgdc”
返回 true.
示例 2:
s = “axc”, t = “ahbgdc”
返回 false.
【思路】:
还是由递归入手思考。
比如测试用例:s = "abc", t = "ahbgdc"
我当时就想,如果能知道ahbgd与s = "abc"的匹配个数,那么我们只需要再看t的最后一位和s的关系不就解出来了吗?
用递归思想找状态转移方程是非常方便的,很快,递归程序可以写出来了
递归程序:
class Solution {
public:
int f(string &s, string &t, int ee) //ss代表此时s的开头字符,ee代表此时t的最后一个字符,返回值意思:最大匹配长度
{
if(ee == 0)
{
if(t[ee] == s[0])
return 1;
else
return 0;
}
int res = f(s, t, ee - 1);
if(res == s.size()) //已经匹配的长度不可能更长了
return res;
else
{
if(t[ee] == s[res])
return res + 1;
else
return res;
}
}
bool isSubsequence(string s, string t) {
//cout << f(s, t, t.size() - 1);
if(s.size() == 0 && t.size() == 0)
return true;
else if(s.size() == 0)
return true;
else if(t.size() == 0)
return false;
if(f(s, t, t.size() - 1) == s.size())
return true;
else
return false;
}
};
接下来的工作就是将它转换成dp程序,以此来达到优化的目的。这个转换过程不难,对着递归程序改写就行了,注意一点的就是,dp最好不用数组,我一开始用的是dp[500005]这样的数组,最后那一组非常大的测试数据硬是过不去,出现不知道原因的执行错误。我试了半天还是错的,几乎绝望
后来,我就想,那把dp数组改成vector 向量算了,这样应该会好点,果然,最后那组最大的测试数据一下就过了。hahahaha
AC代码:
class Solution {
public:
vector<int> dp;
int DP(string &s, string &t, int ee) //ss代表此时s的开头字符,ee代表此时t的最后一个字符,返回值意思:最大匹配长度
{
if(t[0] == s[0])
dp.push_back(1);
else
dp.push_back(0);
int slen = s.size();
int tlen = t.size();
for(int i = 1;i <= tlen - 1;i++)
{
if(dp[i - 1] == slen)
dp.push_back(slen);
else
{
if(t[i] == s[dp[i - 1]])
dp.push_back(dp[i - 1] + 1);
else
dp.push_back(dp[i - 1]);
}
}
return dp[tlen - 1];
}
bool isSubsequence(string s, string t) {
//cout << f(s, t, t.size() - 1);
if(s.size() == 0 && t.size() == 0)
return true;
else if(s.size() == 0)
return true;
else if(t.size() == 0)
return false;
if(DP(s, t, t.size() - 1) == s.size())
return true;
else
return false;
}
};
dp题都是用递归进行思考,然后再改写成dp程序就非常简单了!