给定一个字符串 S 和一个字符串 T,计算在 S 的子序列中 T 出现的个数。
一个字符串的一个子序列是指,通过删除一些(也可以不删除)字符且不干扰剩余字符相对位置所组成的新字符串。(例如,“ACE” 是 “ABCDE” 的一个子序列,而 “AEC” 不是)
题目数据保证答案符合 32 位带符号整数范围。
思路1:对于这种给定两个字符串的问题,类似于编辑距离和求最大公共子串,都可以采用动态规划。我们都可以设 d p [ i ] [ j ] dp[i][j] dp[i][j],那么这个 d p [ i ] [ j ] dp[i][j] dp[i][j]可以怎么表示,自然的,我们可以认为它表示的含义是S的前i个元素和T的前j个元素时,T在S中出现的个数。这样是可以的,但这种方法在状态压缩的时候也可以压缩,但不太好理解。但是好写(需要倒着遍历)
思路2:而如果我们假设 d p [ i ] [ j ] dp[i][j] dp[i][j]表示当t的前i个元素和s的前j个元素时,t在s中出现的个数。这种方法在状态压缩时比较好理解。但基本的,两种思路都是类似的。
1.1 思路1
我们先给出状态转移方程:
d
p
[
i
]
[
j
]
dp[i][j]
dp[i][j]表示当s的前i个元素和t的前j个元素时,t在s中出现的个数.
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]
那么,为什么状态转移方程是这样,这里假设s[i-1]==t[j-1],有s=“qdewde”,t=“de”,所以dp[i][j]=dp[i-1][j-1]是容易想到的,那么为什么dp[i][j]还要加dp[i-1][j],这是因为当s[i-1]==t[j-1]时,有两种处理办法,
1、使用s[i-1],则向后继续寻找s=“qdewd”,t=“d”(看"qdewd"中有几个“d”);
第二种情况时舍弃s[i-1],则向后继续寻找s=“qdewd”,t=“de”(看"qdewd"中有几个“de”);
所以我们画出状态转移矩阵是m+1行n+1列,m=S.size(),n=T.size()。
需要考虑空串的情况
若 s 是空串,t 不是空串,t 在 s中出现次数为 0,dp[0][j] = 0
若 t 是空串,t 在 s 中出现次数是 1(因为 s 可以是空串),就是把 s 中的字符都删掉dp[i][0] = 1
class Solution {
public:
int numDistinct(string s, string t) {
//dp[i][j]表示当s的前i个元素和t的前j个元素时,t在s中出现的个数
/*
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]
*/
int m = s.size();
int n = t.size();
vector<vector<long>>dp(m + 1, vector<long>(n + 1, 0));
for (int i = 0; i < m + 1; i++)
{
dp[i][0] = 1;
}
for (int i = 1; i <= m; i++)
{
for (int j = 1; j <= n; 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[m][n];
}
};
1.2 状态压缩
我们注意到,dp[i][j] 只与 dp[i - 1][j - 1] + dp[i - 1][j]有关,那么我么可以将dp数组从二维压缩到一维。因为dp数组是正向的改变的,所以压缩后倒着遍历即可。
class Solution {
public:
int numDistinct(string s, string t) {
int m = s.size();
int n = t.size();
vector<long>dp(n + 1, 0);
dp[0] = 1;
for (int i = 1; i <= m; i++)
{
for (int j = n; j >= 0; j--)
{
if(j==0)
dp[j]=1;
else if (s[i - 1] == t[j - 1]) dp[j] += dp[j - 1];
else dp[j] = dp[j];
}
}
return dp[n];
}
};
2.1 思路2
d
p
[
i
]
[
j
]
dp[i][j]
dp[i][j]表示当t的前i个元素和s的前j个元素时,t在s中出现的个数。
if(s[i-1]==t[j-1]) dp[i][j]=dp[i-1][j-1]+dp[i][j-1]
else dp[i][j]=dp[i][j-1]
转移矩阵如此下,n+1行m+1列( m = s.size(); n = t.size())
class Solution {
public:
int numDistinct(string s, string t) {
//dp[i][j]表示当t的前i个元素和s的前j个元素时,t在s中出现的个数
/*
if(s[i-1]==t[j-1]) dp[i][j]=dp[i-1][j-1]+dp[i][j-1]
else dp[i][j]=dp[i][j-1]
需要考虑空串的情况
若 s 是空串,t 不是空串,t 在 s中出现次数为 0,dp[0][j] = 0
若 t 是空串,t 在 s 中出现次数是 1(因为 s 可以是空串),就是把 s 中的字符都删掉dp[0][i] = 1
*/
int m = s.size();
int n = t.size();
vector<vector<long>>dp(n + 1, vector<long>(m + 1, 0));
for (int i = 0; i < m + 1; i++)
{
dp[0][i] = 1;
}
for (int i = 1; i <= n; i++)
{
for (int j = 1; j <= m; 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[n][m];
}
};
2.2 状态压缩
这里由于dp[i][j]只和dp[i-1][j-1],dp[i][j-1]有关,我们正向遍历的时候,只需要将第i-1行时的dp[i-1]保存下来(int tem = dp[j];),随后 dp[j] =dp[j-1]+ pre;
class Solution {
public:
int numDistinct(string s, string t) {
//dp[i][j]表示当t的前i个元素和s的前j个元素时,t在s中出现的个数
/*
if(s[i-1]==t[j-1]) dp[i][j]=dp[i-1][j-1]+dp[i][j-1]
else dp[i][j]=dp[i][j-1]
*/
int m = s.size();
int n = t.size();
vector<long>dp(m + 1, 1);
dp[0] = 1;
int pre = 1;
for (int i = 1; i <= n; i++)
{
for (int j = 0; j < m + 1; ++j)
{
int tem = dp[j];
if (j == 0) dp[j] = 0;
else {
if (s[j - 1] == t[i - 1]) dp[j] =dp[j-1]+ pre;
else dp[j] = dp[j - 1];
}
pre = tem;
}
}
return dp[m];
}
};