LeetCode 718.最长重复子数组

题目描述

给两个整数数组 A 和 B ，返回两个数组中公共的、长度最长的子数组的长度。

示例 1:

输入:
A: [1,2,3,2,1]
B: [3,2,1,4,7]
输出: 3
解释:
长度最长的公共子数组是 [3, 2, 1]。

说明:
1 <= len(A), len(B) <= 1000
0 <= A[i], B[i] < 100

使用算法

使用动态规划（Dynamic Programming）算法：

• 递归到动态规划的一般转化方法
  递归函数有n个参数，就定义一个n维数组，数组的下标是递归函数参数的取值范围，数组元素的值是递归函数的返回值，这样就可以从边界值开始，逐步填充数组，相当于计算递归函数值的逆过程。
• 能用动态规划解决的问题的特点：
  1.问题具有最优子结构性质
  2.无后效性
• 动态规划解题的一般步骤：
  1.将原问题分解为子问题
  2.确定状态
  3.确定一些初始状态（边界状态）的值
  4.确定状态转移方程

解题思路

• 分割子问题
  设DP[i][j]矩阵表示以A[i-1]和B[j-1]为结尾元素的公共子数组的长度（注意：在最后形成的公共子数组结果中，最后一个元素必须为A[i-1]和B[j-1]，而不是说以A[i-1]和B[j-1]结尾的子数组再去寻找公共子数组）。
• 确定边界条件
  DP[0][j]和DP[i][0]分别表示A和B为空串，显然结果都为0，以此作为边界条件。
• 分情况讨论递推公式：
  当新增加的元素使两个子数组结尾元素相同时，DP[i][j]=DP[i-1][j-1]。
  当新增加的元素使两个子数组结尾元素不同时，因为不可能存在结尾不同的公共子数组，所以DP[i][j]=0。
  对于题目所给示例而言，DP矩阵如下：

A\B	空串	3	2	1	4	7
空串	0	0	0	0	0	0
1	0	0	0	1	0	0
2	0	0	1	0	0	0
3	0	1	0	0	0	0
2	0	0	2	0	0	0
1	0	0	0	3	0	0

• 确定原问题与子问题关系
  因为最后形成的最长公共子数组，一定是以A中某个元素结尾，B中某个原素结尾。所以最终所求问题，等价于寻找DP矩阵中最大元素，其对应的值即为最长公共子数组的长度。
• C++代码：

  class Solution {
  public:
      int findLength(vector<int>& A, vector<int>& B) {
          int Max = 0;
          int lenA = A.size();
          int lenB = B.size();
          vector<vector<int>> DP(lenA + 1, vector<int>(lenB + 1, 0));
  
          //设置边界条件
          for(int i = 0; i <= lenA; i++)
          {
              DP[i][0] = 0;
          }
          for(int j = 0; j <= lenB; j++)
          {
              DP[0][j] = 0;
          }
  
          for(int i = 1; i <= lenA; i++)
          {
              for(int j = 1; j <= lenB; j++)
              {
                  if(A[i - 1] == B[j - 1])
                  {
                      DP[i][j] = DP[i- 1][j - 1] + 1;
                  }
                  else
                  {
                      DP[i][j] = 0;
                  }
                  Max = Max > DP[i][j] ? Max : DP[i][j];
              }
          }
  
          return Max;
      }
  };