392.判断子序列
文档讲解 : 代码随想录 - 392.判断子序列
状态:再次回顾。
动态规划五部曲:
-
确定dp数组(dp table)以及下标的含义
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,相同子序列的长度为dp[i][j]
。 -
确定递推公式
在确定递推公式的时候,首先要考虑如下两种操作,整理如下:if (s[i - 1] == t[j - 1])
- t中找到了一个字符在s中也出现了
if (s[i - 1] == t[j - 1])
,那么dp[i][j] = dp[i - 1][j - 1] + 1;
,因为找到了一个相同的字符,相同子序列长度自然要在dp[i-1][j-1]
的基础上加1
- t中找到了一个字符在s中也出现了
if (s[i - 1] != t[j - 1])
- 相当于t要删除元素,继续匹配
if (s[i - 1] != t[j - 1])
,此时相当于t要删除元素,t如果把当前元素t[j - 1]
删除,那么dp[i][j]
的数值就是 看s[i - 1]
与t[j - 2]
的比较结果了,即:dp[i][j] = dp[i][j - 1];
- 相当于t要删除元素,继续匹配
-
dp数组如何初始化
从递推公式可以看出dp[i][j]都是依赖于dp[i - 1][j - 1]
和dp[i][j - 1]
,所以dp[0][0]
和dp[i][0]
是一定要初始化的。
vector<vector<int>> dp(s.size() + 1, vector<int>(t.size() + 1, 0));
-
确定遍历顺序
从递推公式可以看出dp[i][j]
都是依赖于dp[i - 1][j - 1]
和dp[i][j - 1]
,那么遍历顺序也应该是从上到下,从左到右
-
举例推导dp数组:
以示例一为例,输入:s = "abc", t = "ahbgdc"
,dp状态转移图如下:
本题代码:
class Solution {
public:
bool isSubsequence(string s, string t) {
vector<vector<int>> dp(s.size() + 1, vector<int>(t.size() + 1, 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;
}
};
- 时间复杂度: O ( n × m ) O(n × m) O(n×m)
- 空间复杂度: O ( n × m ) O(n × m) O(n×m)
115.不同的子序列 ★
文档讲解 : 代码随想录 - 115.不同的子序列
状态:再次回顾。(★:需要多次回顾并重点回顾)
动态规划五部曲:
-
确定dp数组(dp table)以及下标的含义
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]
。 -
确定递推公式
在确定递推公式的时候,首先要考虑如下两种操作,整理如下:if (s[i - 1] == t[j - 1]) dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j]
- 一部分是用
s[i - 1]
来匹配,那么个数为dp[i - 1][j - 1]
。即不需要考虑当前s子串和t子串的最后一位字母,所以只需要dp[i-1][j-1]
。 - 一部分是不用
s[i - 1]
来匹配,个数为dp[i - 1][j]
。
- 一部分是用
if (s[i - 1] != t[j - 1]) dp[i][j] = dp[i - 1][j]
dp[i][j]
只有一部分组成,不用s[i - 1]
来匹配(就是模拟在s中删除这个元素),即:dp[i - 1][j]
-
dp数组如何初始化
从递推公式dp[i][j] = dp[i - 1][j - 1] + dp[i - 1][j];
和dp[i][j] = dp[i - 1][j];
中可以看出dp[i][j]
是从上方和左上方推导而来,那么dp[i][0]
和dp[0][j]
是一定要初始化的。
vector<vector<long long>> dp(s.size() + 1, vector<long long>(t.size() + 1)); for (int i = 0; i <= s.size(); i++) dp[i][0] = 1; for (int j = 1; j <= t.size(); j++) dp[0][j] = 0; // 这行代码可以和dp数组初始化的时候放在一起
-
确定遍历顺序
从递推公式可以看出dp[i][j]
都是依赖于dp[i - 1][j - 1]
和dp[i - 1][j]
,那么遍历顺序也应该是从上到下,从左到右
-
举例推导dp数组:
以s:"baegg",t:"bag"
为例,推导dp数组状态如下:
本题代码:
class Solution {
public:
int numDistinct(string s, string t) {
if (s.size() < t.size()) return 0;
vector<vector<uint64_t>> dp(s.size() + 1, vector<uint64_t>(t.size() + 1));
for (int i = 0; i <= s.size(); i++) dp[i][0] = 1;
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] + dp[i - 1][j];
else dp[i][j] = dp[i - 1][j];
}
}
return dp[s.size()][t.size()] > INT_MAX ? -1 : dp[s.size()][t.size()]; // 题目数据保证答案符合 32 位带符号整数范围
}
};
- 时间复杂度: O ( n ∗ m ) O(n * m) O(n∗m)
- 空间复杂度: O ( n ∗ m ) O(n * m) O(n∗m)