子序列问题是动态规划中一系列常见的问题,有多个种类,这里对动态规划的子序列问题进行汇总。
一、动态规划之子序列问题
根据leetcode题库,这里把动态规划的子序列问题汇总为以下几种:
- 子序列(不连续)
- 子序列(连续)
- 编辑距离
- 回文串
二、leetcode例题讲解子序列问题
1. 子序列(不连续)
300. 最长递增子序列
leetcode题目链接:300. 最长递增子序列
给你一个整数数组 nums ,找到其中最长严格递增子序列的长度。
子序列是由数组派生而来的序列,删除(或不删除)数组中的元素而不改变其余元素的顺序。例如,[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。
示例一:
输入:nums = [10,9,2,5,3,7,101,18]
输出:4
解释:最长递增子序列是 [2,3,7,101],因此长度为 4 。
示例二:
输入:nums = [7,7,7,7,7,7,7]
输出:1
解题思路:
最长递增子序列动规的经典题目,这里dp[i]是可以根据dp[j] (j < i)推导出来的,那么依然用动规五部曲来分析。
1.确定dp数组(dp table)以及下标的含义
dp[i]
表示 i 之前包括 i 的最长上升子序列的长度。
2.确定递推公式
位置 i 的最长递增子序列等于 j 从 0 到 i-1 各个位置的最长升序子序列 + 1 的最大值。
所以:if (nums[i] > nums[j]) dp[i] = max(dp[i], dp[j] + 1);
3.dp数组如何初始化
每一个i,对应的dp[i](即最长递增子序列)起始大小至少都是是1。
4.确定遍历顺序
dp[i] 是有0到i-1各个位置的最长递增子序列 推导而来,那么遍历i一定是从前向后遍历。
j其实就是0到i-1,遍历i的循环里外层,遍历j则在内层,
5.举例推导DP数组
省略。
Java实现代码:
class Solution {
public int lengthOfLIS(int[] nums) {
// 动态规划
int[] dp = new int[nums.length];
Arrays.fill(dp, 1);
for(int i = 0; i < dp.length; i++){
for(int j = 0; j < i; j++){
if(nums[i] - nums[j] > 0){
dp[i] = Math.max(dp[i], dp[j]+1);
}
}
}
int res = 0;
for(int i = 0; i < dp.length; i++){
res = Math.max(res, dp[i]);
}
return res;
}
}
注:优化的话,可以使用二分查找的方法降低时间复杂度。
class Solution {
public int lengthOfLIS(int[] nums) {
int[] dp = new int[nums.length];
// 动态规划 + 二分查找
Arrays.fill(dp, Integer.MAX_VALUE);
int res = 0;
for(int num : nums){
int i = 0, j = nums.length-1;
while(i <= j){
int mid = (j - i)/2 + i;
if(dp[mid] < num) i = mid + 1;
else j = mid - 1;
}
dp[i] = num;
if(dp[res] != Integer.MAX_VALUE) res++;
}
return res;
}
}
1143. 最长公共子序列
leetcode题目链接:1143. 最长公共子序列
给定两个字符串 text1 和 text2,返回这两个字符串的最长 公共子序列 的长度。如果不存在 公共子序列 ,返回 0 。
一个字符串的 子序列 是指这样一个新的字符串:它是由原字符串在不改变字符的相对顺序的情况下删除某些字符(也可以不删除任何字符)后组成的新字符串。
例如,"ace" 是 "abcde" 的子序列,但 "aec" 不是 "abcde" 的子序列。
两个字符串的 公共子序列 是这两个字符串所共同拥有的子序列。
示例一:
输入:text1 = "abcde", text2 = "ace"
输出:3
解释:最长公共子序列是 "ace" ,它的长度为 3 。
示例二:
输入:text1 = "abc", text2 = "abc"
输出:3
解释:最长公共子序列是 "abc" ,它的长度为 3 。
解题思路:
最长公共子序列动规的经典题目,要求要相对顺序,即:“ace” 是 “abcde” 的子序列,但 “aec” 不是 “abcde” 的子序列。
1.确定dp数组(dp table)以及下标的含义
dp[i][j]
:长度为[0, i - 1]
的字符串text1与长度为[0, j - 1]
的字符串text2的最长公共子序列为dp[i][j]。
2.确定递推公式
主要就是两大情况: text1[i - 1] 与 text2[j - 1]相同,text1[i - 1] 与 text2[j - 1]不相同
如果text1[i - 1] 与 text2[j - 1]相同,那么找到了一个公共元素,所以dp[i][j] = dp[i - 1][j - 1] + 1;
如果text1[i - 1] 与 text2[j - 1]不相同,那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列,取最大的。
即:dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);
3.dp数组如何初始化
test1[0, i-1]和空串的最长公共子序列自然是0,所以dp[i][0] = 0;
同理dp[0][j]=0
。
其他下标都是随着递推公式逐步覆盖,初始为多少都可以,那么就统一初始为0。
4.确定遍历顺序
要从前向后,从上到下来遍历这个矩阵。
5.举例推导DP数组
省略。
Java实现代码:
class Solution {
public int longestCommonSubsequence(String text1, String text2) {
// dp[i][j]表示text1[0~i-1]与text2[0~j-1]的最大公共子序列长度
int[][] dp = new int[text1.length()+1][text2.length()+1];
// 这个初始化包含在new里面,可以省略
for (int i = 0; i <= text1.length(); i++) {
dp[i][0] = 0;
}
for (int j = 0; j <= text2.length(); j++) {
dp[0][j] = 0;
}
// 如果text1[i - 1] 与 text2[j - 1]相同,那么找到了一个公共元素,所以dp[i][j] = dp[i - 1][j - 1] + 1;
// 如果text1[i - 1] 与 text2[j - 1]不相同,那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列,取最大的
for(int i = 1; i <= text1.length(); i++){
for(int j = 1; j <= text2.length(); j++){
if(text1.charAt(i-1) == text2.charAt(j-1)){
dp[i][j] = dp[i-1][j-1] + 1;
}else{
dp[i][j] = Math.max(dp[i-1][j], dp[i][j-1]);
}
}
}
return dp[text1.length()][text2.length()];
}
}
1035. 不相交的线
leetcode题目链接:1035. 不相交的线
在两条独立的水平线上按给定的顺序写下 nums1 和 nums2 中的整数。
现在,可以绘制一些连接两个数字 nums1[i] 和 nums2[j] 的直线,这些直线需要同时满足满足:
- nums1[i] == nums2[j]
- 且绘制的直线不与任何其他连线(非水平线)相交。
请注意,连线即使在端点也不能相交:每个数字只能属于一条连线。
以这种方法绘制线条,并返回可以绘制的最大连线数。
示例1:
输入:nums1 = [1,4,2], nums2 = [1,2,4]
输出:2
解释:可以画出两条不交叉的线,如上图所示。
但无法画出第三条不相交的直线,因为从 nums1[1]=4 到 nums2[2]=4 的直线将与从 nums1[2]=2 到 nums2[1]=2 的直线相交。
示例二:
输入:nums1 = [2,5,1,2,5], nums2 = [10,5,2,1,5,2]
输出:3
解题思路:
绘制一些连接两个数字 A[i] 和 B[j] 的直线,只要 A[i] == B[j],且直线不能相交!
直线不能相交,这就是说明在字符串A中 找到一个与字符串B相同的子序列,且这个子序列不能改变相对顺序,只要相对顺序不改变,链接相同数字的直线就不会相交。