代码随想录算法训练营第五十五天|392.判断子序列、115.不同的子序列

判断子序列

题目链接：判断子序列

双指针版：（双指针分别指向两个字符串的头，比较简单，就不过多阐述）

 bool isSubsequence1(string s, string t) {        //双指针版

        if(s.size() > t.size())
        return false;

        int sptr = 0;
        int tptr = 0;

        while(sptr<s.size() && tptr<t.size())
        {
            if(s[sptr] == t[tptr])
            { 
                sptr++;
                tptr++;
            }
            else
               tptr++;
        }

        if(sptr == s.size())
        return true;
        return false;
    }

 动态规划版

1、dp数组的定义
以i-1为结尾的s子序列中 和 以下标j-1为结尾的t子序列，相同子序列的长度为dp[i][j]

2、确定递推公式

• if (s[i - 1] == t[j - 1])
  • t中找到了一个字符在s中也出现了
  • 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
• if (s[i - 1] != t[j - 1])
  • 相当于t要删除元素，继续匹配
  • 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
  • 那么dp[i][j] = dp[i][j - 1];

3、dp数组初始化
    均为0即可

4、确定遍历顺序
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

    bool isSubsequence(string s, string t)        //动态规划版
    {
        if(s.size() > t.size())
        return false;


        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];
 //            dp[i][j] = max(dp[i-1][j],dp[i][j-1]);
         }

//         cout<<dp[s.size()][t.size()]<<endl;

         if(dp[s.size()][t.size()] == s.size())
         return true;

         return false;
    }

不同的子序列 

题目链接：力扣

 1、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]。

2、递推公式

• s[i - 1] 与 t[j - 1]相等
     一部分用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]。
• s[i - 1] 与 t[j - 1] 不相等
     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]

在b站上看到一个比较好理解的思路

dp[i-1][j]可以看成在s[0:i-2]子序列中找t[0:j-1]中总共出现多少次，
这一项其实不用管s[i-1]和t[j-1]到底相不相等，相当于就是一个base；
然后在这个base基础上又多出来一些情况，
也就是s[i-1]和t[j-1]相等时dp[i-1][j-1]。
dp[i-1][j-1]可以看成增量，二者相加就是dp[i][j]考虑的所有情况了。

 3、dp初始化

     可以根据题意进行初始化，由递推公式已知，dp[i][j]由dp[i-1][j-1]和dp[i-1][j]推导而来，故dp[i,0]和dp[0,j]都需要进行初始化

 dp[i][0] 表示：以i-1为结尾的s可以随便删除元素，出现空字符串的个数。
 也就是把以i-1为结尾的s，删除所有元素，出现空字符串的个数就是1。 故dp[i][0]为1

 dp[0][j]表示空字符串s可以随便删除元素，出现以j-1为结尾的字符串t的个数。
 所以dp[0][j]为0

dp[0][0] 是比较特殊的位置，因为其是dp[i][0]和dp[0][j]的交集
dp[0][0]应该是1，因为空字符串s，可以删除0个元素，变成空字符串t。

4、遍历顺序
从上到下，从左到右

class Solution {
public:
    int numDistinct(string s, string t) {

        vector<vector<uint64_t>>dp(s.size()+1, vector<uint64_t>(t.size()+1,0));

        for(int i=0; i<dp.size();i++)
          dp[i][0] = 1;
        for(int j=1;j<dp[0].size();j++)
          dp[0][j] = 0;

        for(int i=1; i<= s.size();i++)
          for(int j=1; j<=t.size();j++)
        {
            dp[i][j] = dp[i-1][j];

            if(s[i-1] == t[j-1])
            dp[i][j] += dp[i-1][j-1];
        }
        return dp[s.size()][t.size()];
    }
};