- 双指针
class Solution {
public:
bool isSubsequence(string s, string t) {
int i = 0, j = 0;
int res = 0;
while(i < s.size() && j < t.size()){
if(s[i] == t[j]){
i++;
res++;
}
j++;
}
return res == s.size();
}
};
- 动态规划
这题和最长公共子序列很像,只是这题时一个序列是否为另外一个序列的子序列。
是编辑距离的入门题目,只需要计算删除的情况,不用考虑增加和替换的情况。
- dp[i][j]是表示以下标i-1结尾的s与以下标j-1结尾的t的公共子序列的长度。
- 当
s[i-1] == t[j-1]
时,dp[i][j] = dp[i-1][j-1] + 1;
若不相等,则不考虑t[i-1],则是s[i-1]与t[j-2]的dp[i][j-1],故dp[i][j] = dp[i][j-1]
; - dp数组初始化
由递推公式可以看出,dp[i][j]依赖于dp[i-1][j-1] 和dp[i][j-1],故dp[0][0]和dp[i][0]是需要初始化的。 - 遍历顺序:从上到下,从左到右
class Solution {
public:
//用最长公共子序列去求解
bool isSubsequence(string s, string t) {
vector<vector<int> > dp(s.size()+1,
vector<int>(t.size()+1, 0));
int maxLen = INT_MIN;
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];
}
}
return dp[s.size()][t.size()] == s.size();
}
};
判定子序列t在s中出现的次数。如果是要求连续序列,则可以考虑使用KMP。
- dp[i][j]:以i-1结尾的t在以j-1结尾的s中出现的次数。
- 确定递推公式:
- 当s[j - 1] == t[i - 1]时,dp[i][j] = dp[i-1][j-1] + dp[i][j-1],前一块表示用s[i-1]来匹配,后是不用s[i-1]来匹配。
当s[j - 1] != t[i - 1]时,dp[i][j] = dp[i][j-1],即不用s[i-1]来匹配。- dp数组初始化
由递推公式可以看出,dp[i][0]和dp[0][j]是需要初始化的
dp[0][j]是指以j-1结尾的s数组里包括空字符串的个数。则s删除所有元素,出现空字符串的个数就是1.故dp[0][j] = 1;
而dp[i][0]一定为0,以i-1结尾的t在以j-1结尾的空中出现的次数,故初始化为0。
class Solution {
public:
int numDistinct(string s, string t) {
//rabbbit. rabbit
vector<vector<uint64_t> > dp(t.size()+1, vector
<uint64_t>(s.size() + 1, 0));
for(int i = 0; i < s.size(); i++)
dp[0][i] = 1;
// int res = 0;
for(int i = 1; i <= t.size(); i++){
for(int j = 1; j <= s.size(); j++){
if(t[i-1] == s[j-1]){
dp[i][j] = dp[i-1][j-1] + dp[i][j-1];
}
else dp[i][j] = dp[i][j-1];
}
}
return dp[t.size()][s.size()];
}
};
和不同的子序列相比,这里就是两个字符串都可以进行删除操作。
dp[i][j]:以i-1为结尾的字符串word1,和以j-1位结尾的字符串word2,想要达到相等,所需要删除元素的最少次数。
递推公式:
- 当word1[j-1] == word2[i-1]时,dp[i][j] = dp[i-1][j-1]
- 当word1[j-1] != word2[i-1]时
删除word1[j-1], dp[i][j] = dp[i][j-1] + 1; (+1代表删除操作)
删除word2[i-1],dp[i][j] = dp[i-1][j] + 1; (+1代表删除操作)
同时删word1[i - 1]和word2[j - 1],则dp[i][j] = dp[i - 1][j - 1] + 2; (+2代表两次删除操作)
最后dp[i][j]取这三者的最小值
class Solution {
public:
int minDistance(string word1, string word2) {
vector<vector<int> > dp(word2.size() + 1, vector<int>(word1.size() + 1, 0));
for(int i = 1; i <= word1.size(); i++)
dp[0][i] = i;
for(int i = 1; i <= word2.size(); i++)
dp[i][0] = i;
for(int i = 1; i <= word2.size(); i++){
for(int j = 1; j <= word1.size(); j++){
if(word2[i-1] == word1[j-1]){
dp[i][j] = dp[i-1][j-1];
}
else dp[i][j] = min(dp[i-1][j-1]
+ 2, min(dp[i-1][j],
dp[i][j-1]) + 1);
}
}
return dp[word2.size()][word1.size()];
}
};