学习:动态规划
follow:代码随想录
647. 回文子串
题目描述:
给你一个字符串 s ,请你统计并返回这个字符串中 回文子串 的数目。
解析:
该题需要两个dp数组来保存状态
- dp[i]:下标为0到i的字符串包含的回文子串的数目
- flag[I]:从下标为i到当前处理到的字符,该字符串是否为回文串
确定递推公式:
j为从0到i-1的每个字符
- 如果j和i相等
- j+1到i-1为回文串 dp[i] ++,flag[j] = true
- j+1到i-1不是回文串 dp[i]不变,flag[j] = false
- 如果j和i不等:dp[i]不变,flag[j] = false
最后dp[i] + dp[i - 1] + 1
public int countSubstrings(String s) {
//用来保存回文串的数目
int[] dp = new int[s.length()];
//用来保存从i到目标位置是否为回文串
boolean[] flag = new boolean[s.length()];
//初始化
dp[0] = 1;
flag[0] = true;
for(int i = 1; i < s.length(); i++){
dp[i] = dp[i - 1] + 1;
flag[i] = true;
for(int j = 0; j < i; j++){
if(s.charAt(i) == s.charAt(j)){
if(flag[j + 1] == true){
dp[i]++;
flag[j] = true;
}else{
flag[j] = false;
}
}else{
flag[j] = false;
}
}
}
return dp[s.length() - 1];
}
516 最长回文子序列
题目描述:
给你一个字符串 s ,找出其中最长的回文子序列,并返回该序列的长度。
解析:
本题要求的是不连续!
- 确定dp数组的含义
dp[i][j]:下标从i到j的字符串中最长的回文子序列 - 确定递推公式
如果i和j不相等:dp[i][j] = Max(dp[i - 1][j], dp[i][j-1]),也就是要么舍弃前一个,要么舍弃后一个
如果i和j相等:dp[i][j] = dp[i + 1][j - 1] + 2
- 遍历顺序
因为dp[i][j]需要左边和下边的,所以遍历顺序从下至上,从左至右
public int longestPalindromeSubseq(String s) {
int[][] dp = new int[s.length()][s.length()];
//初始化对角线为1
for(int i = s.length() - 1; i >= 0; i--){
dp[i][i] = 1;
for(int j = i + 1; j < s.length(); j++){
if(s.charAt(i) == s.charAt(j)){
dp[i][j] = dp[i + 1][j - 1] + 2;
}else{
dp[i][j] = Math.max(dp[i + 1][j], dp[i][j - 1]);
}
}
}
return dp[0][s.length() - 1];
}
583 两个字符串删除操作
题目描述:
给定两个单词 word1 和 word2 ,返回使得 word1 和 word2 相同所需的最小步数。
每步 可以删除任意一个字符串中的一个字符。
解析:
- 确定dp数组及其含义
dp[i][j]:表示word1前I个字符和word2前j个字符,所需要的最小步骤
- 递推公式
如果最后一个字符串相同,则最后一个字符不用删,与前一个状态相同
dp[i][j] = dp[i - 1][j - 1]
如果最后一个字符不同,则看应该删除哪个字符,才能使用最小步骤
dp[i][j] = Math.min(dp[i - 1][j], dp[i][j - 1]) + 1
public int minDistance(String word1, String word2) {
int[][] dp = new int[word1.length() + 1][word2.length() + 2];
for(int i = 0; i <= word1.length(); i++){
dp[i][0] = i;
}
for(int j = 0; j <= word2.length(); j++){
dp[0][j] = j;
}
for(int i = 1; i <= word1.length(); i++){
for(int j = 1; j <= word2.length(); j++){
if(word1.charAt(i - 1) == word2.charAt(j - 1)){
dp[i][j] = dp[i - 1][j - 1];
}else{
dp[i][j] = Math.min(dp[i - 1][j], dp[i][j - 1]) + 1;
}
}
}
return dp[word1.length()][word2.length()];
}
72. 编辑距离
题目解析:
给你两个单词 word1 和 word2, 请返回将 word1 转换成 word2 所使用的最少操作数 。
你可以对一个单词进行如下三种操作:
- 插入一个字符
- 删除一个字符
- 替换一个字符
示例:
输入:word1 = “horse”, word2 = “ros”
输出:3
解释:
horse -> rorse (将 ‘h’ 替换为 ‘r’)
rorse -> rose (删除 ‘r’)
rose -> ros (删除 ‘e’)
解析:
- 确定dp数组及其含义
dp[i][j]:代表下标为0-i-1和0-j-1的两个词,所需要的最小步数
- 递推公式
从一个词到另外一个词有三种操作:插入、删除、替换,对于插入和删除,可以看做成一种,因为word1删除,就等于word2添加
- 如果i和j相等:则不用进行操作
dp[i][j] = dp[i - 1][j - 1]
- 如果i和j不相等,则需要进行三种操作
第一种:删除第一个,也就是看word1删除完了最后一个与word2进行比较
dp[i][j] = dp[i - 1][j ] + 1
第二种:删除第二个,也就是增加第一个,看word2删除完了最后一个与word1进行比较
dp[i][j] = dp[i ][j + 1] + 1
第三种替换:将word1的最后一个元素替换为word2,然后在比较前面的
dp[i][j] = dp[i - 1][j - 1] + 1
public int minDistance(String word1, String word2) {
int[][] dp = new int[word1.length() + 1][word2.length() + 1];
for(int i = 0; i <= word1.length(); i++){
dp[i][0] = i;
}
for(int j = 0; j <= word2.length(); j++){
dp[0][j] = j;
}
for(int i = 1; i <= word1.length(); i++){
for(int j = 1; j <= word2.length(); j++){
if(word1.charAt(i - 1) == word2.charAt(j - 1)){
dp[i][j] = dp[i - 1][j - 1];
}else{
dp[i][j] = Math.min(Math.min(dp[i][j - 1], dp[i - 1][j]), dp[i - 1][j - 1]) + 1;
}
}
}
return dp[word1.length()][word2.length()];
}